دوره 6، شماره 3 - ( 9-1392 )                   جلد 6 شماره 3 صفحات 277-294 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Banejad H, Kamali M, Amirmoradi K, Olyaie E. Forecasting Some of the Qualitative Parameters of Rivers Using Wavelet Artificial Neural Network Hybrid (W-ANN) Model (Case of study: Jajroud River of Tehran and Gharaso River of Kermanshah). ijhe. 2013; 6 (3) :277-294
URL: http://ijhe.tums.ac.ir/article-1-5196-fa.html
بانژاد حسین، کمالی مهسا، امیر مرادی کیمیا، علیائی احسان. تخمین برخی پارامترهای کیفی رودخانه‌ها با استفاده از مدل هیبرید شبکه‌های عصبی- موجکی (منطقه مطالعاتی: رودخانه جاجرود تهران و قره‌سو کرمانشاه). سلامت و محیط زیست. 1392; 6 (3) :277-294

URL: http://ijhe.tums.ac.ir/article-1-5196-fa.html


1- دکترای هیدرولیک، دانشیار دانشکده کشاورزی دانشگاه بوعلی سینا همدان ، hossein_banejad@yahoo.com
2- دانشجوی سابق کارشناسی ارشد گروه مهندسی آب دانشگاه بوعلی سینا همدان
3- دانشگاه آزاد اسلامی، دانشگاه آزاد اسلامیباشگاه پژوهشگران جوان و نخبگان، همدان، ایران
چکیده:   (5911 مشاهده)

زمینه و هدف: رودخانه‌ها مهم‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعت به شمار مـی‌آینـد و به‌علـت اینکه از بسترها و مناطق مختلفی می‌گذرند و در ارتباط مستقیم با محیط پیرامون خود هـستند نوسـانات کیفـی زیادی دارند. از این‌رو بررسی و تخمین تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مـورد توجـه قرار گیرد. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبی مصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه‌های جاجرود تهران و قره‌سو کرمانشاه طی یک دوره آماری 24 ساله استفاده شده است. روش بررسی: در تحقیق حاضر، با استفاده از توان بالای موجک در شناسایی سیگنال‌ها و جداسازی سیگنال‌های خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه‌های مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (r)، ضریب کارایی نش- ساتکلیف (NS)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت. یافته‌ها: نتایج برآمده از تحقیق نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای 9/0 قابلیت بالایی در تخمین پارامتر SAR در ایستگاه‌های مورد مطالعه دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین مدل توسعه یافته عصبی موجک نسبت به مدل شبکه عصبی مصنوعی مشهود بود. نتیجه‌گیری: با توجه به کارایی بالای شبکه عصبی موجکی در پیش‌بینی پارامترهای کیفی آب رودخانه‌ها می‌توان از این مدل جهت اتخاذ تصمیمات مدیریتی و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.

متن کامل [PDF 1093 kb]   (4462 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: ۱۳۹۱/۴/۲۰ | پذیرش: ۱۳۹۱/۷/۱۸ | انتشار: ۱۳۹۲/۱۲/۲۶

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصلنامه سلامت و محیط زیست می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2017 All Rights Reserved | Iranian Journal of Health and Environment

Designed & Developed by : Yektaweb