پیش بینی انتقال آلاینده آلی (BOD) در رودخانه با استفاده از شبکه عصبی مصنوعی

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,001

This Paper With 8 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:

ICCE08_472

تاریخ نمایه سازی: 28 آبان 1387

Abstract:

تعیین و پیش بینی میزان آلودگی منابع آبهای سطحی ناشی از ورود آلاینه های شهری، صنعتی و کشاورزی به دلیل استفاده مستقیم از آب آنها، پیشگیری از آلوده شدن آنها و یا تامین هزینه های ازم در پالایش منابع آب آلوده شده به شکلی روز افزون مورد توجه قرار گرفته شده است. با توجه به پیچیدگی پدیده انتشار آلودگی و عدم توانایی تعیین معادلات حاکمه، بع دلیل تاثیرات پارامترهای مختلف و نیز تاثیر مسائلی نظیر تغییرات مکانی و زمانی و مشکلات ناشی از تعیین تاثیرات آنها، محققان به استفاده از مدل های جعبه سیاه نظیر شبکه های عصبی مصنوعی روی آورده اند. در این مقاله وضعیت کیفی آب رودخانه با استفاده از شبکه های عصبی مصنوعی شبیه سازی گردیده و به عنوان مطالعه موردی رودخانه زاینده رود مورد بررسی قرار گرفته است. با استفاده از آمار و اطلاعات موجود برای یک سری پارامترها شامل دبی رودخانه، دمای هوا در ایستگاه های موجود در طول رودخانه، میزان بارندگی و BOD، مدل شبکه عصبی مراحل آموزشش و تست را پشت سر گذاشته و پارامتر BOD پیش بینی شده و با مقادیر موجود اندازه گیری شده مقایسه می گردد. در نهایت مدل شبکه عصبی مدل سازی شده برای پیش بینی BOD در طول رودخانه زاینده رود درایستگاه های موجود در ماههای آینده مورد استفاده قرار می گیرد. نتایج کارایی مناسب شبکه های عصبی مصنوعی در پیش بینی میزان BOD در طول رودخانه زاینده رود را نشان می دهد.

Authors

مجید سرتاج

استادیار دانشکده عمران دانشگاه صنعتی اصفهان

کیوان اصغری

استادیار دانشکده عمران دانشگاه صنعتی اصفهان

حجت رحیمی

دانشجوی کارشناسی ارشد عمران - محیط زیست 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 :