کاربرد روش های تلفیقی هوش مصنوعی در پیش بینی پارامترهای کمی و کیفی آب رودخانه ها

thesis
abstract

چکیده امروزه در دنیا آب و منابع آب، یکی از پایه های اصلی توسعه پایدار بشمار می روند. زندگی بشر در کره زمین در گرو تامین آب مناسب از نظر کمی و کیفی قرار دارد. بدین منظور تحلیل پارامترهای جریان و کیفیت آب رودخانه های تامین کننده نیازهای شرب و آبیاری و پیش بینی و شبیه سازی این پارامترها حائز اهمیت می باشد. در این تحقیق، کیفیت آب رودخانه های حوضه آبریز زرینه رود که یکی از پرآب ترین و بزرگترین رودخانه های کشور می باشد، بر اساس استاندارهای مختلف ایران و جهان و دیاگرام های شولر و ویل-کاکس از لحاظ مصارف مختلف شرب و کشاورزی مورد تحلیل و بررسی قرار گرفت. که در اکثریت نقاط مورد مطالعه در حوضه آبریز مذکور کیفیت آب رودخانه ها از لحاظ شرب و کشاورزی مناسب و قابل استفاده می-باشد. جهت پیش بینی و مدلسازی پارامترهای کیفیت و جریان آب در رودخانه ها از روش های مختلف هوش مصنوعی، روش شبکه عصبی مصنوعی با الگوریتم های آموزشی مختلف پس انتشار خطای لونبرگ-مارگارت، گرادیان توام مقیاس شده، گرادیان توام فلتچر، الگوریتم متقاطع تک مرحله ای، و گرادیان کاهشی با نرخ آموزش تطبیقی و روش سامانه استنتاجی عصبی-فازی تطبیقی مبتنی بر مدل های افراز شبکه و دسته بندی تفریقی و همچنین برنامه ریزی بیان ژن استفاده شد. بدین منظور از داده های کیفیت آب با طول دوره آماری 18 ساله و داده های جریان ماهانه با طول دوره آماری 21 ساله استفاده گردید. ابتدا به دلیل تاثیر میزان جریان رودخانه بر روی پارامترهای کیفیت آب رودخانه، دوره مطالعاتی مذکور به دوره های کم آبی و پرآبی نیز تفکیک شده و در یک آنالیز اولیه آماری، پارامترهای موثر اصلی در تخمینtds و جریان در رودخانه ها تعیین و برای مدل بندی استفاده گردید. برای مدل بندی 75 درصد داده ها برای آموزش و 25 درصد برای ارزیابی مدل های شبیه سازی پارامترهای کیفیت آب و جریان رودخانه استفاده شده است. ارزیابی عملکرد مدل های به کار رفته بر اساس آزمون های آماری مختلف، ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا انجام گرفت. نتایج حاصل از هر دو مبحث مدلسازی کیفی و کمی، حاکی از عملکرد قابل قبول روش های هوش مصنوعی در دوره های مطالعاتی و شرایط مختلف می باشد. مقایسه عملکرد روش-های به کار گرفته شده، نشان داد که به ترتیب اولویت عملکرد روش های برنامه ریزی بیان ژن، عصبی-فازی تطبیقی مبتنی بر مدل دسته بندی تفریقی، عصبی-فازی تطبیقی مبتنی بر مدل افراز شبکه و شبکه عصبی مصنوعی با الگوریتم آموزشی لونبرگ مارگارت، جهت پیش بینی میزان جامدات محلول و جریان در رودخانه ها مناسب می باشد. از طرفی ارائه رابطه ریاضی حاکم بر مسئله توسط برنامه ریزی بیان ژن از جمله محسناتی است که این روش را از سایر روش های هوش مصنوعی متمایز می کند.

similar resources

برآورد پارامترهای کمی و کیفی آب رودخانه با استفاده از روش های هوش مصنوعی(مطالعه موردی: رودخانه صوفی چای)

برآورد و پیش بینی پارامترهای کمی و کیفی آب در طول رودخانه به منظور تصمیم گیری های مدیریتی اهمیت ویژه ای دارد. برآورد پارامترهای کمی و کیفی آب جریان رودخانه ها با استفاده از مدل های ریاضی و تجربی به علت پیچیدگی مکانیزم و تعدد عوامل موثر در کیفیت جریان معمولا با خطای قابل توجهی همراه می باشد. امروزه استفاده از روش های هوش مصنوعی کاربرد گسترده-ای در زمینه های مختلف علمی به ویژه مهندسی آب پیدا کرده...

15 صفحه اول

نقش زیرحوضه ها در پارامترهای کیفی آب رودخانه چهل‌چای

روندیابی زمانی و مکانی کیفیت آب برای برنامه‌ریزی مدیریت منابع آب ضروری­است. هدف از انجام این پژوهش تعیین کیفیت منابع آب رودخانه چهل‌چای با استفاده از شاخص NSFWQI است. نمونه‌برداری طی یک سال آبی از مهر 1395 تا شهریور 1396 به‌صورت ماهانه از پنج ایستگاه در خروجی زیرحوضه‌ها انجام­شد. پارامترهای اکسیژن محلول، کل جامدات، نیترات، فسفات، درجه حرارت، اکسیژن موردنیاز بیوشیمیایی، pH، کدورت، و کلی­فرم مدفو...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

مقایسه ی شبیه ها و روشهای مختلف پیش بینی ماهانه ی جریان مبتنی بر هوش مصنوعی

پیش بینی دقیق جریان در رود ها از اهمیت بسزایی در مدیریت منابع آبهای سطحی برخوردار می باشد؛ به همین دلیل، همواره تلاشهای زیادی برای طراحی و معرفی شبیه های دقیق پیش بینی صورت گرفته است. در تحقیق حاضر با استفاده از شبیه های خود همبسته ی میانگین متحرک با ورودیهای غیر تصادفی (ARMAX)، ANN و GP برای پیش بینی ماهانه ی جریان به دو روش پیش بینی زنجیره ی زمانی و پیش بینی ماهانه ی مجزای جریان رود سعید آباد...

full text

کاربرد تلفیقی روش های داده محور و تصاویر ماهواره ای در پیش بینی جریان رودخانه

برآورد دقیق سطح پوشش و حجم آب معادل برف از اهمیت ویژه ای در مطالعات منابع آب حوزه های آبریز برخوردار است. این امر بخصوص در مناطقی که برف سهم زیادی در نزولات جوی دارد، حائز اهمیت می باشد. از طرفی استفاده از تصاویر ماهواره ای به دلیل مشکلات مربوط به ایستگاه های زمینی، شامل نقطه ای بودن ایستگاه و کمبود تعداد ایستگاهها و داده های اندازه گیری شده به دلیل صعب العبور بودن و بدی آب و هوا، بسیار مورد تو...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده کشاورزی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023