این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آب و خاک ایران، جلد ۴۶، شماره ۳، صفحات ۳۸۵-۳۹۴
عنوان فارسی برآورد ضریب پخشیدگی طولی رودخانه با استفاده از انواع روش‌های داده‌کاوی
چکیده فارسی مقاله در مدل‌سازی و تعیین دقیق وضعیت آلودگی رودخانه‌ها محاسبه دقیق ضریب پراکندگی طولی آلودگی بسیار اهمیت دارد. برای محاسبه این ضریب، معادلات گوناگون با استفاده از روش‌های تجربی، تحلیلی، و ریاضی ارائه شده است. با وجود این، روش‌های تحلیلی و ریاضی به علت پیچیدگی محاسبات و روش‌های تجربی به سبب خطای زیاد تا کنون مورد توجه قرار نگرفته‌اند. این تحقیق به بررسی روش‏ها و معادلات تجربی مختلف برای تعیین ضریب پراکندگی طولی آلودگی در رودخانه‌های طبیعی و ارزیابی دقت این روش‌ها در مقایسه با داده‌های اندازه‌گیری‌شده واقعی ‌پرداخت و روشی دقیق‌تر در این زمینه، با بهره جستن از روش‌های داده‏کاوی، همچون برنامه‌ریزی ژنتیک، شبکه عصبی، و شبکه عصبی‌ـ فازی ارائه شد. با به‌کارگیری مدل نروفازی، معیارهای ریشه مربعات خطا و ضریب تبیین به ترتیب 21/72 و 87/0 و ضریب جرم باقی‌مانده 103/0 و کارآیی مدل 75/0 به دست آمد. به این ترتیب، روش نروفازی جهت پیش‌بینی ضریب پخشیدگی طولی رودخانه پیشنهاد می‏شود.
کلیدواژه‌های فارسی مقاله آلودگی، رودخانه، روش‌های داده‌کاوی، ضریب پخشیدگی طولی،
عنوان انگلیسی Prediction of Longitudinal Dispersion Coefficient in Natural Streams using Soft Computing Techniques
چکیده انگلیسی مقاله To accurately estimate the longitudinal dispersion coefficient is important and indispensable in river modeling. Many theoretical as well as empirical formulations have been proposed to determine the longitudinal dispersion coefficient, but these have not been put into consideration because of their great error, and as well the complexity of the phenomenon. The main aim followed in the present paper is to investigate the method as well as equations developed for dispersion coefficient estimation and assessment of the accuracy of these methods in comparison with real data and developing an accurate methodology for dispersion coefficient determination making use of such soft computing techniques as, neural, genetic programming and Neuron-Fuzzy Inference System.ANFIS approach ended up with the excellent results of: R2 = 0.87, RMSE = 72.21, CRM = 0.103 and EF=0.75 as compared with the existing predictors of dispersion coefficient. In total ANFIS approach is hereby proposed as a most acceptable technique for estimating the longitudinal dispersion coefficient.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سمیه سلطانی گردفرامرزی |
استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
سازمان اصلی تایید شده: دانشگاه اردکان (Ardakan university)

روح الله تقی زاده مهرجردی |
استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه اردکان
سازمان اصلی تایید شده: دانشگاه اردکان (Ardakan university)

محسن قاسمی |
دانشجوی دکتری علوم و مهندسی آب دانشگاه صنعتی اصفهان
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

نشانی اینترنتی http://ijswr.ut.ac.ir/article_56728_9e9b4aab0c6515629480be07841dfdcb.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات