این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آبیاری و زهکشی، جلد ۱۰، شماره ۵، صفحات ۵۸۱-۵۹۳
عنوان فارسی تخمین ضریب پراکندگی طولی آلاینده‌ها در رودخانه‌های طبیعی با استفاده از رویکرد هوشمند داده‌محور GMDH
چکیده فارسی مقاله تخمین دقیق ضریب پراکندگی طولی آلاینده­ها در اغلب مسائل هیدرولیکی و زیست­محیطی رودخانه مانند مهندسی رودخانه، طراحی آبگیر، مدل­سازی جریان در دلتاها و ارزیابی ریسک ناشی از تزریق آلاینده­ها به جریان رودخانه دارای اهمیت خاصی می­باشد. بررسی تحقیقات اخیر نشان می­دهد که استفاده از روش­های داده­محور باعث افزایش دقت و صحت تخمین ضریب پراکندگی طولی آلاینده­ها در رودخانه­های طبیعی شده است. در این تحقیق توانایی و عملکرد روش هوشمند داده­محور برخورد گروهی با داده­ها(GMDH) در تخمین ضریب پراکندگی طولی مورد بررسی قرار گرفته است. مجموعه­ای از 71 داده مشاهداتی از رودخانه­های مختلف گردآوری شده که 51 داده برای آموزش و 20 داده باقی­مانده برای آزمون مدل استفاده شده است. متغیرهای هیدرولیکی و هندسی ورودی مدل شامل عمق متوسط جریان(H)، عرض آبراهه(W)، سرعت متوسط طولی جریان(U)، سینوسیتی آبراهه(σ) و سرعت برشی متوسط بستر(U*) و متغیر خروجی ضریب پراکندگی طولی(Kx) می­باشند. یک برنامه کامپیوتری در محیط برنامه­نویسی نرم­افزار MATLAB برای مدل­سازی ضریب پراکندگی طولی بر اساس رویکرد هوشمند داده­محور GMDH تهیه شده است. بررسی عملکرد مدل توسعه داده شده با استفاده از معیارهای آماری R2، RMSE، CC و DR حاکی از عملکرد بسیار بالای مدل GMDH در تخمین ضریب پراکندگی طولی در رودخانه دارد. همچنین مقایسه نتایج روش GMDH با چند رابطه تجربی و چند روش داده­محور دیگر مانند شبکه­های عصبی(ANN)، ماشین بردار پشتیبان(SVM) و الگوریتم ژنتیک(GA) بیانگر شناسایی صحیح الگوی حاکم بر فرایند پراکندگی طولی آلاینده­ها در رودخانه­های طبیعی توسط مدل توسعه داده شده می­باشد. مقادیر شاخص­های آماری RMSE، R2 و CC در مدل GMDH به ترتیب برابر با 5/21، 99/0 و 995/0 به دست آمده­ است که حاکی از عملکرد مناسب مدل ارایه شده در تخمین ضریب پراکندگی طولی آلاینده­ها در رودخانه­های طبیعی می­باشد
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Longitudinal Dispersion coefficient in Natural River Using GMDH Data Driven Approach
چکیده انگلیسی مقاله Accurate estimate of longitudinal dispersion coefficient is important in many hydraulic and environmental problems in rivers such as river engineering, intake designs, modeling flow in estuaries and risk assessments of pollutants into river flows. To accurate investigation of water quality using one dimensional model, the precise estimation of longitudinal dispersion coefficient is required. Direct measurements of longitudinal dispersion coefficients, with the aid of concentration samples taken in upstream and downstream of rivers is rather seldom. Recent research works indicate that, using the data driven method can improve the precise estimation of longitudinal dispersion coefficient in natural rivers. In this research, the usefulness and performance of Group Method of Data Handling (GMDH) approach are examined for predicting longitudinal dispersion coefficient in natural channels. A set of 71 data sets from different river has been gathered so that 51 sets of whole data were used for training and 20remaing sets were used for test data sets. The hydraulic and geometric variables such as mean flow depth (H), width of channel (W), mean flow velocity (U), channel sinuosity (σ) and shear velocity (U*) are used as input variables to predict longitudinal dispersion coefficient (Kx). A computer program based on GMDH approach is written in MATLAB software for Kx modeling. Based on the values of various performance indices, R2, RMSE, CC and DR, it is concluded that GMDH model in both training and validation period predicts the longitudinal dispersion coefficient more accurately. Comparison of GMDH model with empirical approach and another data driven method such as ANN, SVM and GA confirm that GMDH shows remarkably good performance in capturing governing pattern in longitudinal dispersion phenomena in natural rivers. Hence GMDH can be used as an efficient computational paradigm in the estimation of longitudinal dispersion coefficient in natural channel.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله کورش قادری |
استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

مریم حسین زاده |
فارغ التحصیل کارشناسی ارشد مهندسی منابع آب، دانشگاه شهید باهنر کرمان، کرمان، ایران

نشانی اینترنتی http://idj.iaid.ir/article_55418_070a2981fbdbfe0e85fd403ef7e8f13d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/552/article-552-790920.pdf
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