پایش کیفیت آبهای زیرزمینی با استفاده از روش های شبکه عصبی مصنوعی، منطقه مورد مطالعه: شهرستان قروه و دهگلان

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 129

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_NAWEE-5-1_011

تاریخ نمایه سازی: 24 اسفند 1404

چکیده مقاله:

مقدمه: شاخص کیفیت آب (WQI) معیاری جامع است که با بهره گیری از مجموعه ای از پارامترهای فیزیکی، شیمیایی، بیولوژیکی و میکروبیولوژیکی، کیفیت آب های زیرزمینی را ارزیابی می کند. این پارامترها شامل منیزیم، کلسیم، سدیم، پتاسیم، کلرید، سولفات، نیترات، بی کربنات، هدایت الکتریکی، کل جامدات محلول، سختی و خاصیت اسیدی است. برای محاسبه شاخص WQI در این مطالعه، از داده­های نمونه برداری در شهرستان های قروه و دهگلان استان کردستان استفاده شده است. یکی از مشکلات اصلی شاخص WQI، تعداد پارامترهای زیاد برای محاسبه آن است. نوآوری این تحقیق استفاده از ترکیبی از روش­های آماری و شبکه عصبی مصنوعی برای یافتن پارامترهای بهینه در برآورد مقادیر WQI است.مواد و روش ها: در این پژوهش، ابتدا میزان همبستگی پارامترها در چاه­های آب ارزیابی می­شود و براساس آن، تعداد پارامترهای اولیه مستقل به دو مدل شبکه عصبی مصنوعی شناخته­شده، یعنی پرسپترون چندلایه (MLP) و تابع پایه شعاعی (RBF) به­عنوان پارامترهای ورودی و مقدار WQI به­عنوان پارامتر خروجی معرفی شدند. نتایج و بحث: نتایج این مطالعه نشان داد که با کاهش تعداد پارامترها به هشت عدد، مدل شبکه عصبی قادر بود با دقت بسیار زیاد (ضریب همبستگی ۹۹۶/۰ و RMSE  برابر با ۸۳/۷) مقدار شاخص WQI را پیش بینی کند. همچنین، مدل پرسپترون چندلایه عملکرد بهتری نسبت به مدل تابع پایه شعاعی ارائه داد. نتیجه گیری: بر اساس مقادیر شاخص WQI کیفیت آب های زیرزمینی در شهرستان دهگلان عمدتا در محدوده کیفیت خوب و خیلی­خوب قرار دارد؛ درحالی­که در شهرستان قروه از غرب به سمت شرق و جنوب شرقی، کیفیت آب به­شدت کاهش یافته و از خیلی­خوب به خیلی­بد تغییر می کند.

نویسندگان

سید مرسل قوامی

گروه سیستم های اطلاعات مکانی (GIS)، دانشکده فنی و مهندسی، دانشگاه زنجان، زنجان، ایران.

شاهو محمدی

گروه سیستم های اطلاعات مکانی (GIS)، دانشکده فنی و مهندسی، دانشگاه زنجان، زنجان، ایران.

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 :
  • سلگی ع، بیگ محمدی ف، احمدوند ر، باصر س.۱۴۰۳. ارزیابی ...
  • Brown, RM., McClelland, NI, Deininger RA, Tozer RG. ۱۹۷۰. A ...
  • Chicco D, Warrens MJ, Jurman G. ۲۰۲۱.The coefficient of determination ...
  • Fausett LV. ۲۰۰۶. Fundamentals of neural networks: architectures, algorithms and ...
  • Ghaffari, M., Chavoshbashi, AA, Eslami, A., Hatami, H., Pourakbar, M., ...
  • Gharemahmoodlu, M., Shirzadnia, J. ۲۰۲۳. Assessment and comparison of the ...
  • Goodarzi MR, Abedi MJ, Niknam ARR, Heydaripour M. ۲۰۲۲. Groundwater ...
  • Haykin S. Neural networks and learning machines, ۳/E: Pearson Education ...
  • Kashaninejad M, Dehghani A, Kashiri M. ۲۰۰۹. Modeling of wheat ...
  • Kouadri S, Kateb S, Zegait R. ۲۰۲۱. Spatial and temporal ...
  • Khoi, Dao Nguyen, et al. ۲۰۲۲. Using machine learning models ...
  • Kulisz, M, Kujawska, J. ۲۰۲۱. Application of artificial neural network ...
  • Lahari, K., Supriya, M. ۲۰۲۰. Parallelized Heat Map Algorithm Using ...
  • Machiwal, D., Cloutier, V., Guler, C., Kazakis, N. ۲۰۱۸. A ...
  • Organization, W.H. ۲۰۰۸. Guidelines for drinking-water quality: second addendum. Vol. ...
  • Sivakumar, M., Parthasarathy, S., Padmapriya, T. ۲۰۲۴.Trade-off between training and ...
  • Solgi, E. ۲۰۲۴. Beigmohammadi F, Ahmadvand R, Baser S. Nitrate ...
  • Yousefi, H., Zahedi, S., Niksokhan, MH. ۲۰۱۸. Modifying the analysis ...
  • Zahedi, S., Azarnivand, A., Chitsaz, N. Groundwater quality classification derivation ...
  • Zhang, B., Hu, X., Li, B., Wu, P., Cai, X., ...
  • نمایش کامل مراجع