اثر نویز در پیش بینی زمانی جریان و انتقال آلودگی در محیط متخلخل با استفاده از مدل های هوش مصنوعی
عنوان مقاله: اثر نویز در پیش بینی زمانی جریان و انتقال آلودگی در محیط متخلخل با استفاده از مدل های هوش مصنوعی
شناسه ملی مقاله: JR_ESTJ-21-5_003
منتشر شده در در سال 1398
شناسه ملی مقاله: JR_ESTJ-21-5_003
منتشر شده در در سال 1398
مشخصات نویسندگان مقاله:
شهرام موسوی - استادیار، باشگاه پژوهشگران جوان و نخبگان، واحد میانه، دانشگاه آزاد اسلامی، میانه، ایران (مسوول مکاتبات)
وحید نورانی - استاد، گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، ایران
محمد تقی اعلمی - استاد، گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، ایران
خلاصه مقاله:
شهرام موسوی - استادیار، باشگاه پژوهشگران جوان و نخبگان، واحد میانه، دانشگاه آزاد اسلامی، میانه، ایران (مسوول مکاتبات)
وحید نورانی - استاد، گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، ایران
محمد تقی اعلمی - استاد، گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، ایران
زمینه و هدف: عدم قطعیت پارامترهای صحرایی، نویز در دادههای مشاهداتی و شرایط مرزی نامشخص از مهم ترین عوامل محدود کننده در مدل سازی جریان و انتقال آلودگی در محیط های متخلخل است. روش بررسی: در این تحقیق، دشت میاندوآب به عنوان مطالعه موردی برای شبیهسازی تراز آب زیرزمینی و غلظت کلراید انتخاب شد. برای مدل سازی زمانی انتقال آلودگی از روش های هوش مصنوعی استفاده شد. در روش پیشنهادی، ابتدا سریهای زمانی تراز آب زیرزمینی و غلظت کلراید در پیزومترهای مختلف با استفاده از روش آستانه موجک رفع نویز شدند. در ادامه اثر نویز و رفع نویز در سریهای زمانی تراز آب زیرزمینی و غلظت کلراید در مدل های هوش مصنوعی موردبررسی قرارگرفت. برای این منظور، ۱۴ پیزومتر مختلف با استفاده از شبکه عصبی مصنوعی و سیستم عصبی-فازی تطبیقی برای تخمین غلظت کلراید در یک ماه بعد، آموزش و اعتبارسنجی شدند. یافتهها: نتایج نشان داد که روش آستانه موجک برای رفع نویز سریهای زمانی میتواند تا ۲۵ درصد کارایی مدل های هوش مصنوعی را افزایش دهد. همچنین توانایی مدل عصبی-فازی تطبیقی در هر دو مرحله آموزش و صحت سنجی به دلیل کارایی منطق فازی برای غلبه بر عدم قطعیت پدیده از شبکه عصبی مصنوعی بیشتر بوده است. بحث و نتیجهگیری: استفاده از رفع نویز موجکی سریهای زمانی به عنوان پیشپردازش دادهها در پیشبینی زمانی جریان آب زیرزمینی و انتقال آلایندهها، کارایی مدلهای هوش مصنوعی را افزایش میدهد.
کلمات کلیدی: انتقال آلودگی, محیط متخلخل, هوش مصنوعی, رفع نویز موجکی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1288677/