CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تخمین شاخص کیفیت آب رودخانه تالار با استفاده از شبکه های عصبی مصنوعی و برنامه ریزی بیان ژنی

عنوان مقاله: تخمین شاخص کیفیت آب رودخانه تالار با استفاده از شبکه های عصبی مصنوعی و برنامه ریزی بیان ژنی
شناسه ملی مقاله: JR_JWMS-12-41_007
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:

برات مجردی - Iran University of science and technology
فروغ علی زاده صنمی - Iran University of science and technology
مهرشاد صمدی - Iran University of science and technology

خلاصه مقاله:
رودخانه­ها همواره در طول تاریخ به عنوان منبع مهم برای تامین آب آشامیدنی و کشاورزی مورد توجه جوامع انسانی قرار داشته­ و در شکل­­گیری تمدن­های بشری بسیار موثر بوده­اند. علاوه بر این به عنوان یک اکوسیستم دارای ارزش زیستگاهی بسیار بالایی می­باشند. در حال حاضر اکثر رودخانه­های شمال تحت تاثیر انواع دخالت­های انسانی می­باشد که باعث بروز انواع آلودگی­ها، تغییر و تخریب اکوسیستم رودخانه­ها شده است. از مهمترین عوامل آلودگی و دخالت های انسان می­توان به آلودگی­های ناشی از فاضلاب­های صنعتی، شهری و روستایی؛ آلودگی­های ناشی از تخلیه سموم مورد استفاده در کشاورزی، برداشت بی­رویه آب رودخانه، تخریب پوشش گیاهی، احداث سدها و موانع زیر پل­ها،  مسدود شدن دهانه رودخانه، صید غیر مجاز و ... اشاره نمود. لذا با توجه به اهمیت رودخانه تالار در تامین آب کشاورزی و ...، همچنین تخلیه آلاینده­های متعدد به آن، شناسایی و ارزیابی کیفی آب رودخانه و ارائه رابطه­ای برای تخمین آلودگی و کیفیت آب ضروری به نظر می­رسد. حوضه آبریز تالار، دارای یک رودخانه اصلی و پنج رودخانه فرعی می­باشد که هر کدام از زیر شاخه­های متعددی تشکیل شده است. طول آبراهه اصلی ۱۵۱.۷۷ کیلومتر است و از جنوب و جنوب غربی حوضه سرمنشا می­گیرد و از شمال غربی حوضه خارج می­شود. در این مطالعه داده ­ها از نوع مقطعی می­باشد، ۷۲ نمونه­ در طی ماه­های سال ۱۳۹۱-۱۳۹۲ از ۶ ایستگاه ورسک، پل سفید، شیرگاه، تالار، کیاکلا و عرب­خیل بدست آمده است. سپس  شاخص NSFWQI  برآورد گردید. سپس به کمک روش های برنامه­ریزی بیان ژنی و شبکه های عصبی مصنوعی، مدل هایی برای تعیین ارتباط بین پارامترهای کیفی آب و شاخص کیفیت آب با دقت بالا به دست آمد. برای ارزیابی عملکرد مدل ها از پارامترهای آماری نظیر، جذر میانگین مربعات خطا، میانگین مطلق خطا، شاخص پراکندگی و ضریب تعیین استفاده شد. نتایج به دست آمده نشان داد دقت شبکه های عصبی مصنوعی بر روی داده های مجموعه آزمون اندکی بالاتر از روش برنامه ریزی بیان ژنی در تخمین شاخص NSFWQI است.

کلمات کلیدی:
Modeling, Talar River, Gene expression programming, Artificial neural networks, NSFWQI index., مدلسازی, رودخانه تالار, برنامه ریزی بیان ژنی, شبکه های عصبی, شاخص NSFWQI

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1866454/