مدل سازی تخمین غلظت رسوبات معلق رودخانه ای با استفاده از سنجش از دور و شبکه عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,181

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PWSWM02_005

تاریخ نمایه سازی: 12 شهریور 1392

چکیده مقاله:

روش های فعلی اندازه گیری غلظت رسوبات معلق در ایستگاه های هیدرومتری اغلب به روش های مستقیم وسنتی است که در اغلب موارد زمان بر و پر هزینه بوده و در حالیکه در پاره ای از مواقع با خطاهای انسانی تواممی باشد غالبا در مقیاس زمانی و مکانی به صورت ناپیوسته محاسبه و ثبت می گردند. در این راستا، استفاده ازانعکاس طیفی داده های ماهواره ای خصوصا تصاویر سنجنده مادیس به دلیل در دسترس بودن و تصویر برداریروزانه می تواند ابزار مناسبی جهت برآورد غلظت رسوبات معلق رودخانه ای به صورت پیوسته باشد. در اینتحقیق، همبستگی میان بازتاب طیفی باندهای تصاویر سنجنده مادیس (باندهای قرمز و مادون قرمز، هر یک بهتنهائی و همچنین نسبت باندی بین آن ها) با غلظت رسوبات معلق رودخانه ای در یک دوره زمانی 9 ساله (سالهای 1382 تا 1390 ) و برای فصل مرطوب مورد بررسی قرار گرفته است. در تخمین غلظت رسوبات معلقرودخانه ای، کارائی شبکه عصبی مصنوعی (از نوع پیشخور با الگوریتم پس انتشار خطا)، با داشتن یک لایهمخفی 13 نورونی و استفاده همزمان از باندهای قرمز و مادون قرمز بهتر از روش های رگرسیونی بوده است (میلی گرم بر لیتر R(2)=0/73, RMSE=120). دراین رابطه، مناسبت ترین مدل رگرسیونی محاسبه شده از نوع خطی و با استفاده از باند قرمز می باشد (میلی گرم بر لیتر R(2)=0/5, RMSE=204). نتایج تحقیق نشان می دهد که شبکه های عصبی مصنوعی به همراه تصاویر روزانه مادیس می توانند ابزار مناسبی در تخمین و پایش غلظت رسوبات معلق روزانه در رودخانه های بزرگ باشند.

نویسندگان

محمودرضا طباطبایی

دانشگاه ساری ، بخش مهندسی اب

کریم سلیمانی

دانشگاه ساری ، بخش مهندسی اب

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • اکبر پور، ا. خ. حامد افتخار. 1385. مقایسه مدلهای شبکه ... [مقاله کنفرانسی]
  • علوی پناه، کاظم. 1387. کاربرد فناوری اطلاعات در علوم زمین ...
  • وزارت نیرو، سازمان آب و برق خوزستان. 1385. گزارش طرح ...
  • ولی، عباس علی. 1388. تحلیل مقایسه عملکرد شبکه های عصبی ...
  • Cigizoglu, H.K., and Kisi, O. 2006. Methods to improve the ...
  • Collins, AL. and Walling, DE. 2004. Documenting catchment suspended sediment ...
  • Doxaran, D., Froidefond JM., Castaing P. and Babin, M. 2009. ...
  • Eisma, D. 1986. Flocculation and de- flocculation of suspended matter ...
  • 0-Flood, I. , Kartman .N.1996. Neural network in civil] engineering ...
  • Froidefond, JM., Casting, P. and Mirmand, M. 1991. Analysis of ...
  • Gao, J. and O'Leary, SM. 1997. Estimation of suspended solids ...
  • Goodin, D.G., Han, _ Fraser, R.A., Rundquist, D.C., Stebbins, W.A., ...
  • Miller, RL. and McKee, BA. 2004. Using MODIS Terra 250 ...
  • Moran, M.A. 1991. Distribution of terrestrially derived dissolved organic matter ...
  • 7-Moreno -Madrinan, M. and M. Z. Al-Hamda. 2010. Using the ...
  • Ouillon, S., Douillet, P. and Andrefouet, S. 2004. Coupling satellite ...
  • Ritchie, JC. and Schiebe, FR. 2000. Water quality. In Remote ...
  • 0 -Ro driguez- Guzman, v. and Gilbes- Santaella, F. 2009. ...
  • Sarangi, A.. Bhattacharya, A.K., 2005. Comparison of artificial neural network ...
  • Shen, F. and Suhyb Salamab ...
  • MHD. 2010. Remote- sensing reflectance ...
  • Wang J. and Lu, X. 2009. Estimation of suspended sediment ...
  • Wang, JJ., Lu, XX., Liew, SC. and Zhou, Y. 2009. ...
  • Xingwei, J. and Tang, J. 2009. Application of MODIS data ...
  • PhD candidate, Dep. of Watershed Management, University of Sari, and ...
  • نمایش کامل مراجع