مدل سازی اکسیژن محلول با استفاده از روش یادگیری عمیق و روش های پیش پردازنده
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 172
This Paper With 18 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_JWIM-12-4_014
تاریخ نمایه سازی: 8 بهمن 1401
Abstract:
آلودگی آب یک مشکل بزرگ جهانی است که به ارزیابی مداوم و تجدیدنظر در سیاست منابع آبی در همه سطوح احتیاج دارد. اکسیژن محلول (DO) یکی از مهمترین شاخصهای کیفیت آب است. در مطالعه حاضر، پارامتر کیفی اکسیژن محلول در آب با استفاده از روش هوشمند حافظه طولانی کوتاه مدت (LSTM) بر پایه روشهای پیش پردازنده تبدیل موجک گسسته (DWT) و روش تجزیه مد تجربی کامل (CEEMD) در دو حالت زمانی و مکانی در پنج ایستگاه متوالی بر روی رودخانه ساواناه مورد بررسی قرار گرفت. نتایج حاصل از تحلیل مدلها قابلیت و کارایی بالای روش به کاررفته را در تخمین میزان اکسیژن محلول در آب به خوبی نشان داد. از طرفی دیگر روشهای پیش پردازنده باعث بهبود نتایج شدند. هم چنین در بررسیهای انجام شده مشاهده شد که نتایج حاصل از تجزیه براساس تبدیل موجک در مدل سازی مکانی، به میزان دو درصد و هم چنین تجزیه مد تجربی در مدل سازی زمانی، به میزان ۱۵ درصد میزان خطای RMSE را کاهش داد. بهترین حالت ارزیابی برای دادههای آزمون با استفاده از تجزیه مد تجربی در حالت مدل سازی زمانی مربوط به یک روز قبل با مقادیر ۹۷۷/۰=DC، ۹۸۸/۰=R و ۰۱۷/۰=RMSE به دست آمد. هم چنین در مدل سازی مکانی جهت تخمین اکسیژن محلول در ایستگاه سوم نیز مشخص شد نتایج حاصل از ورودیهای پارامتر اکسیژن محلول در یک روز قبل ایستگاه دوم و دو روز قبل ایستگاه اول بهترین نتیجه را دارا میباشد.
Keywords:
Authors
کیومرث روشنگر
گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران.
سینا داودی
گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران.
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 :