|
ارتقاء تخمین هدایت الکتریکی رودخانه با کاربرد مدل‌های شبکه عصبی و استنتاج فازی- عصبی تطبیقی بر اساس روش تجزیه به مؤلفههای اصلی (مطالعه موردی نکارود)
|
پروا محمدی   ، کیومرث ابراهیمی* |
|
|
|
چکیده: (3532 مشاهده) |
تخمین تغییرات پارامترهای کیفی منابع آب از جمله هدایت الکتریکی در طول یک رودخانه ضروری است. در مقاله حاضر از شبکه عصبی مصنوعی (ANN) و استنتاج فازی-عصبی تطبیقی (ANFIS-SC) جهت تخمین هدایت الکتریکی (EC) رودخانه نکارود در دوره آماری 22 ساله (1392-1371) استفاده شده است. دوره مطالعاتی مذکور بر اساس میزان جریان رودخانه به دو دوره کم آبی و پرآبی تفکیک شد، سپس بااستفاده از روش تجزیه به مؤلفههای اصلی، پارامترهای مؤثر در تخمـین EC تعیین و برای ورودی مدلها استفاده شد. نتایج نشان داد کمترین مقدار مجذور میانگین مربعات خطا (RMSE) در دوره کم آبی و پرآبی در دو روش مربوط به مؤلفه اول است که مقدار این آماره در روش ANN مربوط به دوره آموزش و صحتسنجی در دوره کمآبی برابر با µS/cm 22/35 و 10/81 و در دوره پرآبی برابر با µS/cm 6/92 و 8/49تخمین زده است. در روش ANN-SC مقدار RMSE در دوره کم آبی در دوره آموزش و صحت سنجی برابر باµS/cm 21/86 و 13/14 و در دوره پرآبی برابر باµS/cm 8/5 و 13/19 بهدست آمده است. پارامترهای مؤلفه اول در دوره کم آبی شاملCa ،So4 ،Hco3 ،Mg ، TDS، مجموع آنیون ها و کاتیون ها و در دوره پرآبی شامل پارامترهایCa ،Hco3 ، TDS، مجموع آنیون ها و کاتیون ها می باشد.
|
|
| واژه‌های کلیدی: پارامترهای کیفی، دوره کمآبی، دوره پرآبی، مدل‌سازی |
|
|
متن کامل [PDF 966 kb]
(63 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1397/5/20 | پذیرش: 1398/1/23 | انتشار: 1399/1/24
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
