اثر شیب و بارندگی حوضه زایندهرود بر آلودگی رودخانه با استفاده از شبکه عصبی مصنوعی
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,216
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NSASD02_368
تاریخ نمایه سازی: 25 اسفند 1390
Abstract:
با توجه به خشک بودن کشور ما و نیاز به آب فراوان در کشاورزی و خشکسالی های اخیر و کاه ش بارندگی،دانستن عوامل مؤثر و شدت تأثیر فاکتورهای مختلف بر کیفیت آب رودخانه و بیان کردن آن به صورت یک مدل علمی و کنترل بهرهبرداری و برنامهریزی دقیق و علمی از رودخانه بسیار مهم، ضروری و لازم احساس میشود . شیب زمین یکی از عوامل مهم در فرسایش و حرکت عناصر به سمت رودخانهها میباشد. اطلاعات کافی و بلند مدت در کشور برای برآورد کیفیت آب وجود ندارد، بنابرین استفاده از شبکههای عصبی مصنوعی برای پیشبینی و برآورد کیفیت آب روش مناسبی است. با استفاده از نرمافزار مپاینفو و با توجه به ایستگاههای هیدرولوژی کنار رودخانه، حوضه زا ینده رود به12 زیر حوضه تقسیم شد. همچنین 7 کلاس شیب مختلف در حوضه مشخص شد و متناسب با 12 زیر حوضه تفکیک و مساحت هر کلاس شیب حوضه محاسبه شد. جهت شبیهسازی اثر شیب و بارندگی حوضه بر آلودگ ی رودخانه از سیستم شبکه عصبی مصنوعی استفاده گردید و مساحت مربوط به هر کلاس شیب و بارندگی ماهانه به عنوان ورودی سیستم و همچنین عناصر اندارهگیری شده در 12 ایستگاه کنار رودخانه به عنوان خروجی انتخا ب شد . در مجموع 1160 ورودی و 1728 خروجی به شبکه داده و پس از آموزش با نرونها و لایههای مختلف، بهترین شبکه با ضر یب همسبستگی برابر 86/26و میانگین مربعات خطا برابر398%بدست امده است
Authors
کامران محسنی فر
دانشجوی دکتری دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
سیدحسن طباطبایی
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهرکرد
ابراهیم پذیرا
استاد گروه خاکشناسی، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد علوم
نبی اله یارعلی
استادیار گروه علوم جنگل، دانشکده منابع طبیعی، دانشگاه شهرکرد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :