این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سلامت و محیط زیست، جلد ۶، شماره ۳، صفحات ۲۷۷-۲۹۴
عنوان فارسی تخمین برخی پارامترهای کیفی رودخانه‌ها با استفاده از مدل هیبرید شبکه‌های عصبی- موجکی (منطقه مطالعاتی: رودخانه جاجرود تهران و قره‌سو کرمانشاه)
چکیده فارسی مقاله زمینه و هدف: رودخانه‌ها مهم‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعت به شمار مـی‌آینـد و به‌علـت اینکه از بسترها و مناطق مختلفی می‌گذرند و در ارتباط مستقیم با محیط پیرامون خود هـستند نوسـانات کیفـی زیادی دارند. از این‌رو بررسی و تخمین تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مـورد توجـه قرار گیرد. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبی مصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه‌های جاجرود تهران و قره‌سو کرمانشاه طی یک دوره آماری 24 ساله استفاده شده است. روش بررسی: در تحقیق حاضر، با استفاده از توان بالای موجک در شناسایی سیگنال‌ها و جداسازی سیگنال‌های خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه‌های مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (r)، ضریب کارایی نش- ساتکلیف (NS)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت. یافته‌ها: نتایج برآمده از تحقیق نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای 9/0 قابلیت بالایی در تخمین پارامتر SAR در ایستگاه‌های مورد مطالعه دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین مدل توسعه یافته عصبی موجک نسبت به مدل شبکه عصبی مصنوعی مشهود بود. نتیجه‌گیری: با توجه به کارایی بالای شبکه عصبی موجکی در پیش‌بینی پارامترهای کیفی آب رودخانه‌ها می‌توان از این مدل جهت اتخاذ تصمیمات مدیریتی و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.
کلیدواژه‌های فارسی مقاله
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
نویسندگان مقاله حسین بانژاد | hossein banejad
department of water engineering, faculty of agriculture, bu-ali sina university, hamedan, iran
دانشیار دانشکده کشاورزی دانشگاه بوعلی سینا همدان
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)

مهسا کمالی | mahsa kamali
department of water engineering, faculty of agriculture, bu-ali sina university, hamedan, iran
گروه مهندسی آب دانشگاه بوعلی سینا همدان
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)

کیمیا امیر مرادی | kimia amirmoradi
department of water engineering, faculty of agriculture, bu-ali sina university, hamedan, iran
گروه مهندسی آب دانشگاه بوعلی سینا همدان
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)

احسان علیایی | ehsan olyaie
young researchers club, hamedan branch, islamic azad university, hamedan, iran
دانشگاه آزاد اسلامیباشگاه پژوهشگران جوان و نخبگان، همدان، ایران
سازمان اصلی تایید شده: باشگاه پژوهشگران جوان و نخبگان

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 عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات