مقایسه روش شبکه عصبی مصنوعی و مدل ترکیبی شبکه عصبی- موجک در پیش بینی پارامترهای کیفی آب در رودخانه ی کرج (ایستگاه سیرا)

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 280

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IHC20_119

تاریخ نمایه سازی: 6 آذر 1400

چکیده مقاله:

امروزه مدیریت در برداشت و مصارف آب به توان و پتانسیل آبدهی و کیفیت منابع آب وابسته است. از این رو بررسی و پیش بینی تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مورد توجه قرار گیرد. جهت تحقق این امر، مدل های متعددی در زمینه مدیریت و پیش بینی کیفیت آب استفاده می شود. پیش بینی دقیق سری زمانی، انگیزه محققان برای توسعه مدل های نو در ز مینه مدیریت منابع آب می باشد. یکی از روش هایی که در سال های اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته، استفاده از موجک (Wavelet) به عنوان روشی نوین و بسیار موثر در زمینه آنالیز سیگنال ها و سری های زمانی است. استفاده از موجک ها در زمینه پیش بینی های هیدرولوژیکی علاوه بر قابلیت های غیر ایستایی با توسل به قابلیت های چند رزولوشنی در حال گسترش است. در تحقیق حاضر، به مقایسه عملکرد شبکه عصبی مصنوعی (ANN) و ترکیب شبکه عصبی -موجک (WANN) در ایستگاه سیرا واقع در رودخانه کرج پرداخته ایم. در ایستگاه منتخب، پارامترهای TDS و EC با استفاده از هر دو مدل پیش بینی و مقایسه شد. نتایج نشان دهنده برتری مدل ترکیبی شبکه عصبی -موجک بود که علت آن توانایی موجک در تجزیه چند سطحی موجکی داده هااست. داده های مورد استفاده در تشکیل این مدل ها، مقادیر پارامترکیفی موردنظر برا ی مدت ده سال بود. نتایج نشان داد که آماده سازی داده ها برای ورود به شبکه یکی از نکات مهم دراستفاده از مدل های هوشمند می باشد.

کلیدواژه ها:

شبکه ی عصبی مصنوعی ، موجک ، پارامترهای کیفی ، EC ، TDS ، رودخانه کرج

نویسندگان

وحید نوری

دانشجوی کارشناسی ارشد مهندسی محیط زیست،گروه مهندسی عمران،دانشگاه صنعتی قم،ایران

علی عطارزاده

استادیار گروه مهندسی عمران،دانشکده فنی و مهند سی،دانشگاه صنعتی قم،ا یران

حمیده جعفری

دکترای مهندسی عمران،رئیس تصفیه خانه آب شهر ساوه،شرکت آب و فاضلاب استان مرکزی،ایرا ن