مقایسه کارآیی مدل های درختی در محاسبه ضریب پراکندگی طولی آلاینده ها در آبراهه های مستقیم
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 8، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 344
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-8-1_008
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
چکیده
مدلسازی پیشروی آلاینده ها در آبراهه های طبیعی یکی از مهم ترین مسائل محیط زیست است. ضریب پخشیدگی طولی یکی از پارامترهای اساسی در مدلسازی انتشار آلودگیها به حساب می آید. طی پژوهش های صورت گرفته توسط محققان مختلف روابط متعددی جهت برآورد این ضریب ارائه شده است که اغلب این روابط به صورت تجربی و یا نیمه تجربی بهدست آمدهاند. با این وجود، نیاز به روشهای دقیقتر تخمین ضریب پخشیدگی طولی همچنان احساس میشود. در این تحقیق جهت تخمین این ضریب، مدلهای دادهکاوی با توجه به اطلاعات هیدرولیکی و هندسی رودخانهها توسعه یافته است. بر این اساس الگوریتمهای درختی M5، CART و برنامه ریزی ژنتیک (GP)مورد استفاده قرار گرفت. جهت مقایسه کارایی مدلها با معادلات موجود از پارامترهای آماری جذر میانگین مربعات خطا، میانگین خطای مطلق و نسبت اختلاف استفاده گردید. نتایج تحلیلهای آماری نشان داد که مدلهای دادهکاوی میتوانند ضریب پخشیدگی طولی را با دقت بهتر برآورد نمایند. مدل CART با وجود دقت زیاد در مرحله آموزش، در مرحله صحت سنجی از دقت کمتری برخوردار بوده است. مدل هایM5 و GP به ترتیب دارای جذر میانگین مربعات خطای 41/0 و 44/0 و معیار دقت 61% و 62% بوده و در مقایسه با روابط تجربی موجود از دقت بیشتری برخوردار می باشند. با توجه به اختلاف ناچیز میان این دو مدل و سادگی مدل ارائه شده توسطM5 ، از این مدل میتوان جهت برآورد ضریب پراکندگی طولی در رودخانهها استفاده کرد.
کلیدواژه ها:
نویسندگان
حسین نزارتیان
گروه مهندسی آب دانشگاه کشاورزی و منابع طبیعی رامین خوزستان،
جواد ظهیری
استادیار، گروه مهندسی آب دانشگاه کشاورزی و منابع طبیعی رامین خوزستان
محمود کاشفی پور
استاد دانشکده مهندسی علوم آب، گروه سازه های آبی، دانشگاه شهید چمران، اهواز، 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 :