تحلیل دقت و عدم قطعیت مدل های هوشمند در پیش بینی ضریب انتشار طولی رودخانه ها

  • سال انتشار: 1389
  • محل انتشار: مجله آب و فاضلاب، دوره: 21، شماره: 75
  • کد COI اختصاصی: JR_WWJ-21-75_012
  • زبان مقاله: فارسی
  • تعداد مشاهده: 757
دانلود فایل این مقاله

نویسندگان

عباس اکبرزاده

استادیار ، معاونت موسسه تحقیقات آب ، وزارت نیرو ، تهران

روح اله نوری

کارشناس موسسه تحقیقات آب ، وزارت نیرو ، دانشجوی دکترای مهندسی محیط زیست ، دانشکده محیط زیست ، دانشگاه تهران

اشکان فرخ نیا

کارشناس موسسه تحقیقات آب ، وزارت نیرو ، دانشجوی دکترای مهندسی سازه های آبی ، دانشگاه تربیت مدرس ، تهران

امیر خاکپور

مدیرعامل شرکت عمران زیست آزما (CELCO) ، دانشجوی دکترای مهندسی محیط زیست ، دانشکده محیط زیست ، دانشگاه تهران

چکیده

پیش بینی دقیق ضریب انتشار طولی در رودخانه های طبیعی تا حد بسیار زیادی در تعیین توزیع غلظت آلاینده ها در چنین محیط هایی مؤثر است . عدم قطعیت موجود در نتایج به دست آمده از مدل های پیش بینی می تواند در تصمیم گیری های مناسب برای برخورد با مواد آلاینده در رودخانه ها تأثیر منفی داشته باشد. به همین دلیل ، تحلیل و تعیین عدم قطعیت مدل های مورد استفاده برای پیش بینی این پارامتر بسیار مفید است. در این تحقیق با توجه به اهمیت این امر ، با استفاد از مدل های شبکه عصبی (ANN) و نروفازی تطبیقی (ANFIS) ، ابتدا مدل مناسب برای پیش بینی ضریب انتشار طولی در رودخانه های طبیعی ارائه گردید و در ادامه تحلیل عدم قطعیت دو مدل مذکور بر مبنای روش مونت - کارلو انجام شد . برای این منظور از اطلاعات هیدرولیکی و هندسه جریان استفاده گردید. نتایج این تحقیق بیانگر این مطلب بود که اگرچه مدل ANN در پیش بینی ضریب انتشار طولی دارای عملکرد خوبی است ، اما نتایج این مدل با عدم قطعیت زیادی همراه است . با مقایسه نتایج به دست آمده از تحلیل عدم قطعیت دو مدل ANN و ANFIS مشخص گردید که مدل ANFIS نسبت به مدل ANN از عدم قطعیت کمتری برخوردار است و از این لحاظ بر مدل ANN برتری دارد.

کلیدواژه ها

مونت - کارلو ، ضریب انتشار طولی ، شبکه عصبی ، سیستم استنتاج فازی - عصبی تطبیقی ، شاخص عرض باند

مقالات مرتبط جدید

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.