قیاس روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش بینی پارامترهای کیفیت آب رودخانه دیناچال
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 57
این Paper فقط به صورت چکیده توسط دبیرخانه ارسال شده است و فایل کامل قابل دریافت نیست. برای یافتن Papers دارای فایل کامل، از بخش [جستجوی مقالات فارسی] اقدام فرمایید.
نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_IJSWR-55-7_001
Index date: 8 October 2024
قیاس روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش بینی پارامترهای کیفیت آب رودخانه دیناچال abstract
پیش بینی پارامترهای کیفیت آب نقش بسیار مهمی در پایش اکوسیستم رودخانه ها و پایداری آن ایفا می کند. ازطرفی، مدل های پیش بینی سنتی به خوبی ذات غیرخطی و غیرایستای متغیرهای کیفیت آب را نشان نمی دهند. در سال های اخیر، توسعه سریع شبکه های عصبی مصنوعی بحث های مرتبط با پیش بینی کیفیت آب را متحول نموده است. در این مطالعه، پارامترهای کیفی رودخانه دیناچال به عنوان یکی از رودخانه های حیاتی در استان گیلان مورد ارزیابی و پیش بینی قرارگرفته است. دو مدل مبتنی بر شبکه عصبی مصنوعی و ماشین بردار پشتیبان رگرسیونی، نه پارامتر کیفی کل موادجامدمحلول، هدایت الکتریکی، اسیدیته، Cl، SO۴، HCO۳، Ca، Mg و Na با گام های زمانی یک ماه طی سال های ۱۳۸۵ تا ۱۳۹۷ پیش بینی شد و کارایی مدل ها توسط آماره های ارزیابی RMSE، MSE و MAPE بررسی و مقایسه شد. طبق نتایج به دست آمده، مدل SVR به ترتیب با (۰۳/۲=RMSE) و (۰۶۲/۰=RMSE) کارایی بهتری در پیش بینی کل مواد جامد محلول و غلظت منیزیم نسبت به مدل شبکه عصبی مصنوعی نشان داد. از طرف دیگر، مدل شبکه عصبی مصنوعی در پیش بینی پارامترهای دیگر نسبتا موفق تر بود. بااین حال، کارایی هر دو مدل در پیش بینی پارامترهای کیفی رودخانه دیناچال مناسب ارزیابی شد. همچنین مدل SVR با ضریب MAPE برابر با ۰۰۷/۰ و مدل شبکه عصبی مصنوعی با ضریب MAPE برابر با ۰۰۱/۰ در پیش بینی پارامترهای کل موادجامدمحلول و هدایت الکتریکی بهترین کارایی را داشتند. در مقابل، هر دو مدل SVR و ANN در پیش بینی پارامتر کلر ضعیف ترین کارایی را باوجود RMSE ۰۵۵/۰ و ۰۵۲/۰ از خود نشان دادند. روش های به کارگرفته شده در این مطالعه می تواند در پیش بینی کیفیت آب دیناچال موثر واقع شود.
قیاس روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش بینی پارامترهای کیفیت آب رودخانه دیناچال Keywords:
قیاس روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش بینی پارامترهای کیفیت آب رودخانه دیناچال authors
سینا اسدپور لمر
گروه مهندسی آبیاری و آبادانی، دانشکده کشاورزی، دانشگاه تهران، کرج، ایران
کیومرث ابراهیمی
گروه مهندسی انرژی های نو و منابع پایدار، دانشکدگان علوم و فناوری های میان رشته ای، دانشگاه تهران، تهران، 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 :