تخمین ضریب پخش طولی آلاینده ها در مجاری روباز با استفاده از شبکه عصبی مصنوعی
Publish place: The Journal of Water and Soil، Vol: 26، Issue: 5
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 139
This Paper With 14 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:
JR_WASO-26-5_016
تاریخ نمایه سازی: 25 دی 1401
Abstract:
انتقال طولی آلاینده ها یکی از مراحل مهم در فرآیند رقیق سازی آلاینده ها میباشد که شناخت آن از اهمیت ویژهایبرخوردار است. دشواری اندازه گیری ضریب انتشار طولی در رودخانهها نیاز به استفاده از روشهای مناسب مدلسازیدر پیشبینی این ضریب را بیشتر میکند. یکی از روشهای کارآمد مدل سازی شبکه عصبی مصنوعی است که یکی ازتکنیکهای هوش مصنوعی محسوب میشود. در این مدل بدون استفاده از معادلات پیچیده غیرخطی، میتوان دینامیکحاکم بر سیستم را استخراج نموده و از این طریق، خروجی مدل را پیشبینی نمود. در این مطالعه ضریب انتشار طولی باتوجه به مقادیر پارامترهای هیدرولیکی و هندسی رودخانه ها به عنوان پارامترهای ورودی و با استفاده از شبکه عصبیمصنوعی پیش بینی گردید. نتایج نشان داد شبکه پرسپترون پیشخور، پس انتشار خطا از دقت مناسبی برای تخمین ضریبپخش طولی آلودگی برخوردار است. نتایج تحلیل ترکیب پارامترهای ورودی نشان داد که با لحاظ نسبت سرعت به سرعت۰ % و در صورت لحاظ / ۰ و تابع خطا برابر ۸۷ / برشی بهعنوان پارامتر ورودی مدل، میزان ضریب تعیین همبستگی ۸۴۱/ ۰ و تابع خطا برابر ۰۱ / نسبت عرضجریان به عمق جریان بهعنوان پارامتر ورودی، میزان ضریب تعیین همبستگی ۷% حاصل شد. بنابراین نسبت سرعت بهسرعت برشی یا ضریب زبری دارای تاثیر بیشتری بر ضریب انتشار طولی است.روشارائهشده در این تحقیق رهیافتی کارآمد در تخمین ضریب پخش طولی آلودگی در رودخانه ها محسوب شده و قابلیتترکیب با سایر مدلهای پخش آلودگی را دارا میباشد.
Keywords:
Authors
الهام ایزدی نیا
استادیار گروه مهندسی عمران، دانشگاه شهید اشرفی اصفهانی (ره)
عالیه سعادت پور
دانشجوی دکترای گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد
منوچهر حیدرپور
استاد گروه مهندسی آب، دانشگاه صنعتی اصفهان
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 :