تخمین شاخص کیفیت آب رودخانه تالار با استفاده از شبکه های عصبی مصنوعی و برنامه ریزی بیان ژنی
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 95
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMS-12-41_007
تاریخ نمایه سازی: 5 دی 1402
چکیده مقاله:
رودخانهها همواره در طول تاریخ به عنوان منبع مهم برای تامین آب آشامیدنی و کشاورزی مورد توجه جوامع انسانی قرار داشته و در شکلگیری تمدنهای بشری بسیار موثر بودهاند. علاوه بر این به عنوان یک اکوسیستم دارای ارزش زیستگاهی بسیار بالایی میباشند. در حال حاضر اکثر رودخانههای شمال تحت تاثیر انواع دخالتهای انسانی میباشد که باعث بروز انواع آلودگیها، تغییر و تخریب اکوسیستم رودخانهها شده است. از مهمترین عوامل آلودگی و دخالت های انسان میتوان به آلودگیهای ناشی از فاضلابهای صنعتی، شهری و روستایی؛ آلودگیهای ناشی از تخلیه سموم مورد استفاده در کشاورزی، برداشت بیرویه آب رودخانه، تخریب پوشش گیاهی، احداث سدها و موانع زیر پلها، مسدود شدن دهانه رودخانه، صید غیر مجاز و ... اشاره نمود. لذا با توجه به اهمیت رودخانه تالار در تامین آب کشاورزی و ...، همچنین تخلیه آلایندههای متعدد به آن، شناسایی و ارزیابی کیفی آب رودخانه و ارائه رابطهای برای تخمین آلودگی و کیفیت آب ضروری به نظر میرسد. حوضه آبریز تالار، دارای یک رودخانه اصلی و پنج رودخانه فرعی میباشد که هر کدام از زیر شاخههای متعددی تشکیل شده است. طول آبراهه اصلی ۱۵۱.۷۷ کیلومتر است و از جنوب و جنوب غربی حوضه سرمنشا میگیرد و از شمال غربی حوضه خارج میشود.
در این مطالعه داده ها از نوع مقطعی میباشد، ۷۲ نمونه در طی ماههای سال ۱۳۹۱-۱۳۹۲ از ۶ ایستگاه ورسک، پل سفید، شیرگاه، تالار، کیاکلا و عربخیل بدست آمده است. سپس شاخص NSFWQI برآورد گردید. سپس به کمک روش های برنامهریزی بیان ژنی و شبکه های عصبی مصنوعی، مدل هایی برای تعیین ارتباط بین پارامترهای کیفی آب و شاخص کیفیت آب با دقت بالا به دست آمد. برای ارزیابی عملکرد مدل ها از پارامترهای آماری نظیر، جذر میانگین مربعات خطا، میانگین مطلق خطا، شاخص پراکندگی و ضریب تعیین استفاده شد. نتایج به دست آمده نشان داد دقت شبکه های عصبی مصنوعی بر روی داده های مجموعه آزمون اندکی بالاتر از روش برنامه ریزی بیان ژنی در تخمین شاخص NSFWQI است.
کلیدواژه ها:
Modeling ، Talar River ، Gene expression programming ، Artificial neural networks ، NSFWQI index. ، مدلسازی ، رودخانه تالار ، برنامه ریزی بیان ژنی ، شبکه های عصبی ، شاخص NSFWQI
نویسندگان
برات مجردی
Iran University of science and technology
فروغ علی زاده صنمی
Iran University of science and technology
مهرشاد صمدی
Iran University of science and technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :