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
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:
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
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/