شبیه سازی پارامترهای کیفی آب رودخانه قره سو در محل ایستگاه قرباغستان با استفاده از شبکه عصبی مصنوعی

Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,437

This Paper With 9 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

WRM03_290

تاریخ نمایه سازی: 28 فروردین 1387

Abstract:

توسعه پایدار کشاورزی و صنعت لزوم توجه به مسائل کیفی رودخانه ها را دوچندان نموده است . بررسی و پیش بینی تغییرات کیفی آب رودخانه ها در جهت تصمیم گیری های درست و اصولی در راستای حفاظت و بهره وری مناسب ضروری به نظر می رسد . در این راستا مدل های متفاوتی برای بررسی و پیش بینی تغییرات کیفی آب موجود می باشد که در این بین، مدلهای مبتنی بر شبکه های عصبی مصنوعی در سال های اخیر برای پیش بینی پارامترهای کیفی بیشتر مورد توجه قرار گرفته اند . مدل شبکه عصبی مصنوعی یک مدل الهام گرفته از ساختمان و فعالیت سلول های مغز انسان می باشد که قدرت یادگیری و تصمیم گیری داشته وقادر است با پردازش روی داده های تجربی ، قانون نهفته در ورای داده ها را کشف نموده و روابط موجود بین آن ها را مدل نماید . در این مطالعه از مدل شبکه عصبی به منظور پیش بینی پارامترهای کیفی آب رودخانه قره سو در محل ایستگاه قرباغستان واقع بر روی این رودخانه در نزدیکی شهر کرمانشاه استفاده شد . پارامترهای دبی , روز سال و دمای آب به عنوان پارامترهای ورودی به شبکه برای پیش بینی پارامترهای کیفی آب شامل هدایت الکتریکی (EC) ، نسبت جذبی سدیم (SAR) و مجموع کل یون های محلول (TDS) مورد استفاده قرار گرفتند . پارامترهای کیفی پیش بینی شده در طی روال آموزش و آزمون و همچنین مقایسه های آماری نشان داد که این مدل در پیش بینی مناسب پارامترهای کیفی آب رودخانه قره سو در ایستگاه مذکور توانائی قابل توجهی دارد.

Authors

رسول قبادیان

استادیار گروه مهندسی آب دانشگاه رازی کرمانشاه

حسن مشایخی

دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه رازی

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 :