کاربرد مدل های هوش مصنوعی در شبیه سازی کیفیت آب بابلرود و سفیدرود
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 51
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMS-16-58_006
تاریخ نمایه سازی: 3 دی 1402
Abstract:
میزان کل مواد جامد محلول عامل مهمی در تعیین کیفیت آب رودخانه ها می باشد. در این مطالعه، از پنج مدل مبتنی بر داده شامل سه مدل فراابتکاری علف هرز مهاجم، کلونی زنبور عسل، ازدحام ذرات، مدل ماشین بردارپشتیبان و شبکه عصبی بیزین در پیش بینی کیفیت آب بابلرود و سفیدرود استفاده شد. برای این منظور از داده های منتشر نشده ی ماهیانه ی کلسیم، منیزیم، بی کربنات، سدیم، سولفات، EC، pH وکل مواد جامد محلول از ایستگاه قرآن تالار بابلرود و ایستگاه پروریج آباد سفیدرود به ترتیب در بازه های زمانی ۱۳۴۵-۱۳۹۴ و ۱۳۹۴-۱۳۸۱ تجزیه و تحلیل شد. نتایج ارزیابی این پنج مدل بر مبنای معیارهای ضریب تبیین، جذر میانگین مربعات خطا و ضریب نش-ساتکلیف نشان داد که روش هیبریدی کلونی زنبورعسل در ایستگاه هیدرومتری قرآن تالار بابلرود و پروریج آباد سفید رود در بخش صحت سنجی با بیشترین ضریب تبیین به ترتیب برابر با ۰.۹۸۵ و ۰.۹۸۹ و کمترین جذر میانگین مربعات خطای ۱۰.۴۹۳ و ۵.۲۸۹ میلی گرم بر لیتر و بیشترین ضریب نش-ساتکلیف مساوی ۰.۹۸۳ و ۰.۹۹۲ نسبت به چهار مدل دیگر برتری بالا و سریعی در ارزیابی کیفیت آب دارد.
Keywords:
Calibration , Classification , Modelling , the Environment , Water Resources , طبقه بندی , محیط زیست , مدل سازی , منابع آب , واسنجی.
Authors
فاطمه آخونی پورحسینی
Ph.D student of Water Resources Engineering, Department of Irrigation and Reclamation Engineering, University of Tehran, Karaj, Iran
کیومرث ابراهیمی
Professor, Department of Irrigation and Reclamation Engineering, University of Tehran, Karaj, Iran. Email: EbrahimiK@ut.ac.ir
محمدحسین امید
Professor, Department of of Irrigation and Reclamation Engineering, University of Tehran, Karaj, Iran
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 :