تخمین میزان کل کاتیونها ،مقدارسدیم ونسبت جذب سدیم با استفاده از مدلسازی شبکه عصبی مصنوعی در ایستگاه هیدرومتری چمریز واقع بر رودخانه کر

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 404

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCAU01_0627

تاریخ نمایه سازی: 29 تیر 1393

چکیده مقاله:

امروزه مدلهای بسیاری جهت بررسی و پیش بینی کیفیت آب مورد استفاده قرار می گیرند که بیشتر آنها نیازمنداطلاعات ورودی فراوان و غیر قابل دسترس هستند. بدین منظور انواع گوناگونی از مدلهای عددی بوجود آمده و توسعه یافتهاند. در این تحقیق از مدل شبکه عصبی مصنوعی پیشخور چند لایه ای پرسپترون به دلیل کاربرد مناسب و عدم نیاز به پارامترهای ورودی فراوان ، استفاده شده است . با استفاده از داده های آماری رابطه ای بین دبی متوسط ماهیانه و پارامترهایکیفی رودخانه برقرار می گردد. سپس متغیر های ورودی را با استفاده از شبکه عصبی مصنوعی، آموزش داده و به نرم افزارمعرفی کرده تا در مرحله تست شبکه قرار گیرد و در نهایت با استفاده از معیار های صحت سنجی ، نتایج حاصله را بررسی کرده تا بهترین و مناسبترین میزان کل کاتیونها ، مقدار سدیم و نسبت جذب سدیم متوسط ماهیانه بدست آید. مشاهده گردیدکه پارامترهای موثر بر SAR ماهانه به ترتیب: Na, CL می باشند .پارامترهای موثر بر SUM K ماهانه به ترتیب: SUM A, EC, TDS, CL, Na می باشند .پارامترهای موثر بر Na ماهانه به ترتیب: SAR, CL, SUM K, EC, SUM A می باشند. دبی ماهانه بسیار بیشتر از بارش ماهانه در ایستگاه چمریز روی مقدار کل کاتیونها، سدیم و نسبت جذب سدیم ماهانه اثر گذار می باشد.اطلاعات آماری مربوط به ایستگاه هیدرومتری چمریز بر رودخانه کر بالادست سد دروزن واقع در استان فارس می باشد.

نویسندگان

نادر برهمند

عضو هیئت علمی ، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد لارستان، ایران،

محمد حسینی

کارشناس ارشد عمران سازه های هیدرولیکی،گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد لارستان،ایران،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • دستورانی. محمد تقی، جورج رایت. نایجل، _ بهینه سازی نتایج ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • Van Vliet, M.T.H. and Zwolsman, J.J.G. (2008). Impact of summer ...
  • Zwolsman, J.J.G. and Van Bokhoven, A.G. (2007). Impact of summer ...
  • Ying, Z. (2007). Water quality forecast through application of BP ...
  • Wilbers, G.J., Zwolsman, G., Kalver, G. and Hendriks, A.J. (2009). ...
  • Wang, W. C., Chau, K. W., Cheng, C. T. and ...
  • Tokar.A.S, and Johnson.P.A, _ 'Rainfa lI-Runoff using artificial neural network", ...
  • Tayfur G, Guldal V. Artificial neural networks for estimating daily ...
  • Tayfur G. Artificial neural networks for sheet sediment transport. Hydrol ...
  • Lloyd, H., Chua, C. and Holz, K.-P. (2005). Hybrid Neural ...
  • Bartolini P, Salas JD. Modeling of streamflow processes at different ...
  • Bruen, M. and Yang, J. (2006). Combined Hydraulic and Black-Box ...
  • Campolo. M , Andreaussi P, and soldati. A, "River Flood ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • Chapra, S.C. and Pelletier, G.J. (2003). QUAL2K: A modellind framework ...
  • Chokmani, K., Khalili, B.M., Ouarda, T.B.M.J. and Bourdages, R. (2007). ...
  • Cigizoglu, H. K. (2003) Estimation, forecasting and extrapolation of river ...
  • danh.N.T, phine.H.N , gupta.A.D, "Neural network models for river flow ...
  • Dawson, C. W. & Wilby, R. (1998) An artificial neural ...
  • Giustolisi, O. & Laucelli, D. (2005) Improving generalization of artificial ...
  • Govindaraju, R.S. (2000). Artificial neural network in hydrology. _ Hydrological ...
  • HSU.K, Gupta, H. V And sorooshian. S, (1995), " Artificial ...
  • Hu TS, Lam KC, Thomas NGS A modified neural network ...
  • Inmaculada, P.C. and Portela, M.M. (2007). Application of neural approaches ...
  • Grenny.W.j , whitley.D, and bovee. K, (1994) "Neural network for ...
  • Kisi O. Streamflow forecasting using different artificial neural network algorithms. ...
  • Kisi O. Suspended sediment estination using neuro-fuzzy and neural network ...
  • Luk, K. C., Ball, J.E. and Sharma, A. (2001). An ...
  • Patterson, D. (1996). "Artificial Neural Networks: Theory and Applications." Singapore: ...
  • Sahoo, G.B., Ray, C., Mehert, E. and Keefer, D.A. (2006). ...
  • See, L. & Openshaw, S. (2000) A hybrid multi-model approach ...
  • Shamseldi AY. Application of a neural network technique to rainfall-run ...
  • Tabach, E.E, Lancelota, L., Shahroura, I. and Najarb, Y. (2007). ...
  • Tayfur G. Artificial neural networks for sheet sediment transport. Hydrol ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • Tokar.A.S, and Johnson.P.A, (1999) _ 'Ra infall-Runoff using artificial neural ...
  • نمایش کامل مراجع