تخمین پارامترهای کیفیت آب رودخانه سفیدرود با استفاده از مدل‌های ANFIS، GEP و LS-SVM

  • سال انتشار: 1399
  • محل انتشار: مجله آب و فاضلاب، دوره: 31، شماره: 5
  • کد COI اختصاصی: JR_WWJ-31-5_001
  • زبان مقاله: فارسی
  • تعداد مشاهده: 427
دانلود فایل این مقاله

نویسندگان

آرش ادیب

استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران

هیوا فرج پناه

دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران

محمد محمودیان شوشتری

استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران

ایمان احمدیان فر

استادیار، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران

چکیده

رودخانه‌ها مهم‌ترین منابع آب آشامیدنی، کشاورزی و صنعت به‌شمار می‌روند. ازاین‌رو بررسی و تخمین پارامترهای کیفی آب در طول یک رودخانه باید مورد توجه قرار گیرد. در این پژوهش از سه مدل سیستم سامانه استنتاجی عصبی- فازی تطبیقی (ANFIS)، حداقل مربعات ماشین‌بردار پشتیبان (LS-SVM) و برنامه‌ریزی بیان ژن (GEP) برای تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و سختی کل) رودخانه سفیدرود طی یک دوره آماری 40 ساله استفاده شد. ارزیابی این سه روش هوش مصنوعی توسط معیارهای آماری ضریب هم‌بستگی (R)، ضریب کارایی نش- ساتکلیف (NSE)، مربع میانگین خطای استاندارد نرمال شده (NMSE) و میانگین قدر مطلق خطا (MAE) انجام شد. نتایج حاصل از این پژوهش نشان داد که هر سه روش هوش مصنوعی ANFIS، LS-SVM و GEP قابلیت بسیار زیادی در تخمین پارامترهای کیفی TDS، TH، EC دارند. به‌صورتی که برای تخمین TDS روش LS-SVM، (RTrain=0.95 RTest=0.96) ، برای تخمین EC، روش GEP، (RTrain=0.94 RTest=0.95) و برای تخمین TH روش ANFIS، ((RTrain=0.92 RTest=0.94 بهترین شبیه‌سازی را انجام دادند. این پژوهش نشان می‌دهد که با استفاده از روش‌های هوش مصنوعی می‌توان غلظت پارامترهای کیفی را در صورت عدم اندازه‌گیری آنها و بر اساس غلظت سایر پارامترهای کیفی محاسبه کرد.

کلیدواژه ها

سفیدرود, کیفیت آب, ANFIS, LS-SVM, GEP

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.