تخمین پارامترهای کیفی رودخانه ی شاهرودچای اردبیل با استفاده از مدل هیبرید شبکه های عصبی- موجکی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 677

فایل این مقاله در 10 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:

WRM05_367

تاریخ نمایه سازی: 25 تیر 1393

چکیده مقاله:

رودخانه ها بعنوان اصلی ترین منبع تأمین کننده نیاز شرب، کشاورزی و صنعت، از اهمیت خاصی برخوردار هستند و بعلت اینکه از بسترها و مناطق مختلفی میگذرند، نوسانات کیفی زیادی دارند. لذا بررسی و پیش بینی تغییرات پارامترهای کیفی رودخانه ها، یکی از اهداف برنامهریزان و مدیران منابع آب می باشد. در این راستا تعداد زیادی مدلهای کیفیت آب در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبیمصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه شاهرودچای اردبیل طی یک دوره آماری 20 ساله استفاده شده است، که با استفاده از توان بالای موجک در شناسایی سیگنال ها و جداسازی سیگنالهای خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی آنها توسط معیارهای آماری ضریب همبستگی (r) ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت. نتایج نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای 99/. قابلیت بالایی در تخمین پارامتر SAR در ایستگاه درو دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین تر مدل عصبی موجک نیز مشهود بود. با توجه به کارایی بالای شبکه عصبی موجکی در پیش بینی پارامترهای کیفی آب رودخانه ها میتوان از این مدل جهت اتخاذ تصمیمات مدیریتی و حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.

نویسندگان

مهسا کمالی

دانشجوی کارشناسی ارشد گروه مهندسی آب دانشگاه بوعلی سینا همدان

حمید زارع ابیانه

دکترای آبیاری و زهکشی، دانشیار دانشکده کشاورزی دانشگاه بوعلی سینا همدان

مریم جاویدی

دانشجوی کارشناسی ارشد گروه مهندسی آب دانشگاه بوعلی سینا همدان

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 :