شبیه سازی هدایت الکتریکی در شرایط کم آبی با استفاده از شبکه عصبی شعاع مبنا، مطالعه موردی: رودخانه زاینده رود

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 627

فایل این مقاله در 9 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_379

تاریخ نمایه سازی: 25 تیر 1393

چکیده مقاله:

رودخانه ها مهم ترین منابع تأمین آب برای انواع مصارف آشامیدنی، کشاورزی و صنعت می باشد. با توجه به رشد فزاینده جمعیت و نیاز آبی برای انواع مصارف آب، مدیریت توامان کمی و کیفی منابع آب موجود به ویژه در مناطق خشک و نیمه خشک از اهمیت خاصی برخوردار است.کشور ایران روی کمربند خشک نیم کره شمالی واقع شده است و از طرف دیگر حوضه آبریز زاینده رود نیز جزءای ازکویر مرکزی ایران است. رودخانه زاینده رود در طی دهه گذشته به طور ناپیوسته دچار کم آبی های زیادی بوده است به صورتی که در چند سال اخیر این رودخانه در شرایط کم آبی و نیز خشکی پیش رفته است. لذا برنامه ریزی کیفی برای این رودخانه امری ضروری است که نیاز به شناخت کیفی و یا شبیه سازی آن به ویژه در حالت های کم آبی است. امروزه شبکه های عصبی مصنوعی مورد توجه زیادی قرار گرفته اند به همین سبب هدف از این تحقیق به دست آوردن رابطه بین پارامترهای هدایت الکتریکی و پارامترهای هیدرولوژیکی در شرایط کم آبی است بطوریکه بتوان اثرات نامطلوب کیفی کم آبی را مشخص نمود. شبیه سازی هدایت الکتریکی که می توان آن را به مثابه یک پارامتر شاخص تخمینی در کنار دیگر پارامتر های شاخص تعیین کیفیت آب رودخانه ها برشمرد، به وسیله شبکه عصبی مصنوعی شعاع مبنا انجام شد و نتایج این شبیه سازی در 4 ایستگاه مختلف از بالادست سد زاینده رود به سمت پایین دست سد مورد بررسی قرار گرفت. نتایج توانایی شبکه های شعاع مبنا را در پیش بینی هدایت الکتریکی در شرایط کم آبی را نشان می داد.

کلیدواژه ها:

هدایت الکتریکی ، کم آبی ، شیکه عصبی شعاع مبنا ، کیفیت آب

نویسندگان

کیان ملک احمدی

دانشجوی کارشناسی ارشد مهندسی عمران- آب، دانشگاه صنعتی اصفهان

حمیدرضا صفوی

دانشیار دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

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 :
  • کارآموز، .، کراچیان، ر. _ . " برنامه‌ریزی و مدیریت ...
  • اداره کل مدیریت بحران استانداری اصفهان، "خشکسالی، زاینده‌رود، راهکارها و ...
  • ارزیابی شبکههای عصبی مصنوعی و رگرسیون چند متغیره در پیشبینی پارامترهای کیفیت آب، مطالعه موردی: رودخانه سفیدرود، گیلان [مقاله کنفرانسی]
  • عیای، ، بانژاد، ح. صمدی، م.ت.، رحمانی، ع.ر، ساقی، _ ...
  • نوشادی، م.، سالمی، ح.ر.، احمدزاده، م. (1386). "شبیه سزی و ...
  • کیا، س . .، " شبکه‌های عصبی در، "MATLAB انتشارات ...
  • کیا، س . .، "طراحی شبکه‌های عصبی"، انتشارات خلیج فارس، ...
  • مهندسین مشاور زایندآب، (1387). ماعات منابع و مصارف آب حوضه‌ی ...
  • خشوعی اصفهانی، .. (1391). "طراحی سیستم پایش خشکسالی براساس شاخص ...
  • شرکت آب منطقه‌ای استان اصفهان، "توسعه و تکمیل سامانه پایش ...
  • Najah, A., El-Shafie, A., Karim, O. A., (2012)., "Application of ...
  • Ogleni, N. and Topal, B., (2011)."Water Quality Assessment of the ...
  • Maier, H. R. and G. C. Dandy., (2000)., "Neural networks ...
  • Simonovic, S. P.. (2000)., "Tools for Water Management, One View ...
  • Vandeginste , B. G. M., Massaart, D. L., Buydens, S. ...
  • Faramaki , E. G., Thomaidis, N. S., Constantinos, E. E., ...
  • نمایش کامل مراجع