|
|
1392/12/10، جلد ۶، شماره ۳، صفحات ۲۷۷-۲۹۴
|
|
|
| عنوان فارسی |
تخمين برخی پارامترهای کيفی رودخانهها با استفاده از مدل هيبريد شبکههای عصبی- موجکی (منطقه مطالعاتی: رودخانه جاجرود تهران و قرهسو کرمانشاه) |
|
| چکیده فارسی مقاله |
زمينه و هدف: رودخانهها مهمترين منابع تأمين آب آشاميدنی، کشاورزی و صنعت به شمار مـیآينـد و بهعلـت اينکه از بسترها و مناطق مختلفی میگذرند و در ارتباط مستقيم با محيط پيرامون خود هـستند نوسـانات کيفـی زيادی دارند. از اينرو بررسی و تخمين تغييرات پارامترهای کيفی آب در طول يک رودخانه بايستی مـورد توجـه قرار گيرد. در اين تحقيق از يک مدل تلفيقی موجکی و شبکه عصبی مصنوعی، جهت تخمين برخی از پارامترهای کيفی آب (کل جامدات محلول، هدايت الکتريکی و نسبت جذبی سديم) رودخانههای جاجرود تهران و قرهسو کرمانشاه طی يک دوره آماری 24 ساله استفاده شده است. روش بررسی: در تحقيق حاضر، با استفاده از توان بالای موجک در شناسايی سيگنالها و جداسازی سيگنالهای خطا در ترکيب با شبکه عصبی برای تخمين پارامترهای کيفی آب رودخانههای مذکور مدل شبکه عصبی موجکی مورد تجزيه و تحليل قرار گرفت و با مدل شبکه عصبی مصنوعی مقايسه گرديد. ارزيابی اين دو مدل توسط معيارهای آماری ضريب همبستگی (r)، ضريب کارايی نش- ساتکليف (NS)، ريشه مربع ميانگين خطا (RMSE) و ميانگين قدر مطلق خطا (MAE) انجام پذيرفت. يافتهها: نتايج برآمده از تحقيق نشان داد که مدل بهينه شبکه عصبی موجکی با ضريب همبستگی بالای 9/0 قابليت بالايی در تخمين پارامتر SAR در ايستگاههای مورد مطالعه دارد. همچنين در مورد پارامترهای EC و TDS دقت بالا و ميزان خطای پايين مدل توسعه يافته عصبی موجک نسبت به مدل شبکه عصبی مصنوعی مشهود بود. نتيجهگيری: با توجه به کارايی بالای شبکه عصبی موجکی در پيشبينی پارامترهای کيفی آب رودخانهها میتوان از اين مدل جهت اتخاذ تصميمات مديريتی و همچنين برای حصول اطمينان از نتايج پايش و کاهش هزينه پايش استفاده کرد. |
|
| کلیدواژههای فارسی مقاله |
رودخانه جاجرود تهران, رودخانه قرهسو کرمانشاه, کل جامدات محلول, شبکه عصبی موجکی, نسبت جذبی سديم, هدايت الکتريکی |
|
| عنوان انگلیسی |
Forecasting Some of the Qualitative Parameters of Rivers Using Wavelet Artificial Neural Network Hybrid (W-ANN) Model )Case of study: Jajroud River of Tehran and Gharaso River of Kermanshah) |
|
| چکیده انگلیسی مقاله |
Background and Objectives: Rivers are the most important resources supplying drinking, agricultural, and industrial water demand. Their quality fluctuates frequently due to crossing from different regions and beds as well as their direct relationship with their peripheral environments. Thus, it is essential to be considered the surveying and predicating changes in the water qualitative parameters in a river. In this study, in order to estimate some of the qualitative parameters (Total dissolved solids, electrical conductivity and sodium absorption rate) for Tehran Jajroud and Kermanshah Gharasu rivers, we used wavelet-artificial neural network (W-ANN) hybrid model during a statistical period of 24 years. Methods: We compared W-ANN model with ANN model in order to evaluate its capability in detecting signals and separating error signals for estimating water quality parameters of the abovementioned rivers. The evaluation of both models was performed by the statistical criteria including correlation coefficient, the Nash-Sutcliffe model efficiency coefficient (NS), the root mean square error (RMSE) and the mean absolute error (MAE). Results: The results showed that the optimized W-ANN with correlation coefficient of 0.9 has high capability to estimate SAR parameter in the stations studied. Moreover, we found that W-ANN had less error and higher accuracy in the case of EC and TDS parameters rather than ANN model. Conclusion: W-ANN proved high efficiency in forecasting of the water quality parameters of rivers, therefore, it can be used for decision making and assurance of monitoring results and optimizing the monitoring costs. |
|
| کلیدواژههای انگلیسی مقاله |
Jajroud River of Tehran, Gharaso River of Kermanshah Total Dissolved Solids, Wavelet Artificial Neural Network, Sodium Absorption Rate, Electrical Conductivity |
|
| نویسندگان مقاله |
46545---46546---46547---46548--- |
|
| نشانی اینترنتی |
http://ijhe.tums.ac.ir/browse.php?a_code=A-10-25-5027&slc_lang=fa&sid=fa |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
General |
| نوع مقاله منتشر شده |
Research |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|
