پیش بینی تغییرات کیفیت آب رودخانه زاینده رود با استفاده از شبکه های عصبی مصنوعی
محل انتشار: دومین کنفرانس ملی دانشجویی منابع آب و خاک
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,110
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SCSWR02_002
تاریخ نمایه سازی: 5 اردیبهشت 1385
چکیده مقاله:
در بیشتر موارد رودخانه ها بعنوان اصلی ترین منبع تأمین کننده نیاز شرب، کشاورزی و صنعت از اهمیت خاصی برخوردار هستند. از طرفی کیفیت آب از لحاظ شرب نیز در بین پارامترهای کیفی، مهمترین متغیر می باشد. لذا بررسی و پیش بینی تغییرات پارامترهای کیفی در طول یک رودخانه، یکی از اهداف مدیران و برنامه ریزان منابع آب می باشد. در این راستا تعداد زیادی مدلهای کیفیت آب در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیشتر این مدلها نیازمند پارامترهای ورودی هستند که یا دسترسی به آنها مشکل است و یا اینکه اندزه گیری آنها محتاج صرف هزینه و زمان زیادی می باشد. در این میان مدلهای شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل مینمایند، بعنوان گزینه ای برتر مورد تحقیق و بررسی قرار می گیرد. این مدلها می توانند با حداقل پارامترهای اندازه گیری شده و با دقت قابل قبولی تغییرات متغیر مورد نظر را پیش بینی نمایند. این تحقیق بر روی رودخانه زاینده رود در ناحیه مرکزی ایران و با استفاده از اطلاعات کیفی DO و BOD اندازه گیری شده در ۱۴ ایستگاه موجود در طول رودخانه تا باتلاق گاوخونی انجام شده است. در ادامه نتایج حاصل از مدلهای شبکه عصبی مصنوعی با مدل کیفی QUAL2E
مقایسه شد، که نشان دهنده توانایی مناسب شبکه های عصبی در شبیه سازی تغییرات پارامترهای کیفی مذکور بود.
نویسندگان
فرهاد میثاقی
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه تربیت مدرس، تهران
کورش محمدی
عضو هیات علمی، دانشگاه تربیت مدرس، تهران
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 :