Iranian Jornal of Watershed Management Science&Engineering
مجله علوم ومهندسی آبخیزداری ایران
jwmseir
Agriculture
http://jwmsei.ir
1
admin
2008-9554
2008-9554
8
10.22034
14
8888
13
fa
jalali
1398
9
1
gregorian
2019
12
1
13
47
online
1
fulltext
fa
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)
An Improvement on the Estimation of River ECs using ANN Models and ANFIS involving PCA Analysis, Case Study; Nekarood River, IRAN
تخصصي
Special
پژوهشي
Research
<strong>تخمین تغییرات پارامترهای کیفی منابع آب از جمله هدایت الکتریکی در طول یک رودخانه ضروری است. در مقاله حاضر از شبکه عصبی مصنوعی </strong><strong><span dir="LTR">(ANN)</span></strong><strong> و استنتاج فازی-عصبی تطبیقی </strong><strong><span dir="LTR">(ANFIS-SC)</span></strong><strong> جهت تخمین</strong><strong> هدایت الکتریکی</strong> <strong>(<span dir="LTR">EC</span>) 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 با</strong><strong><span dir="LTR">­</span></strong><strong>استفاده از روش تجزیه به مؤلفه­های اصلی، پارامترهای مؤثر در تخمـین </strong><strong><span dir="LTR">EC</span></strong> <strong>تعیین و برای ورودی مدل­ها استفاده شد</strong><strong><span dir="LTR">.</span></strong><strong> نتایج نشان داد </strong><strong>کمترین مقدار</strong><strong> مجذور میانگین مربعات خطا</strong> <strong><span dir="LTR">(RMSE)</span></strong> <strong>در دوره کم ­آبی و پرآبی در دو روش مربوط به مؤلفه اول است که مقدار این آماره در روش </strong><strong><span dir="LTR">ANN</span></strong><strong> مربوط به</strong> <strong>دوره آموزش و صحت­سنجی در دوره کم­آبی برابر با</strong> <strong><span dir="LTR">µS/cm </span></strong><strong>22/3</strong><strong>5 و 10/81 </strong><strong>و در دوره پرآبی برابر با</strong><strong><span dir="LTR"> µS/cm </span></strong><strong>6/92 و 8/49تخمین زده است.</strong><strong> در روش </strong><strong><span dir="LTR">ANN-SC</span></strong><strong> مقدار </strong><strong><span dir="LTR">RMSE</span></strong><strong> در دوره کم ­آبی</strong><strong> در دوره آموزش و صحت سنجی برابر با</strong><strong><span dir="LTR">µS/cm </span></strong><strong> 21/86 و 13/14 </strong><strong>و در دوره پرآبی برابر با</strong><strong><span dir="LTR">µS/cm </span></strong> <strong>8/5 و 13/19 به­دست آمده است. </strong><strong>پارامترهای مؤلفه اول در دوره کم ­آبی شامل</strong><strong><span dir="LTR">Ca </span></strong><strong>،</strong><strong><span dir="LTR">So<sub>4</sub> </span></strong><strong>،</strong><strong><span dir="LTR">Hco<sub>3 </sub></span></strong><strong>،</strong><strong><span dir="LTR">Mg </span></strong><strong>، </strong><strong><span dir="LTR">TDS</span></strong><strong>، مجموع آنیون ­ها و کاتیون ­ها و در دوره پرآبی </strong><strong>شامل </strong><strong>پارامترهای</strong><strong><span dir="LTR">Ca </span></strong><strong>،</strong><strong><span dir="LTR">Hco<sub>3 </sub></span></strong><strong>، </strong><strong><span dir="LTR">TDS</span></strong><strong>، مجموع آنیون ­ها و کاتیون ­ها می­ باشد.</strong><strong><span dir="LTR"></span></strong><br>
<br>
<br>
Estimation of changes in water quality parameters including electrical conductivity along a river is essential. In this paper, ANN and ANFIS-SC were used to estimate the ECs of the Nekarood River, North Iran, from 1992-2013. The study period was divided into two periods of dry and wet, based on the river flow rate. Then, Using the PCA, the effective parameters in EC estimation were determined and used for model inputs. The results showed that the least amounts of RMSE in dry and wet periods in the two methods was related to the first component. The value of RMSE in the ANN model, during the training and testing process of dry period, were estimated equal to 22.35 and 10.81µS/cm, respectively and as well for the wet period were equal to 6.92 and 8.49µS/cm respectively. Also, for the ANFIS-SC method, the RMSE values in the training and testing process were equal to 21.86 and 13.14µS/cm for the dry period and were equal to 8.5 and 13.19µS/cm during the wet period. The first component parameters in the dry period include Ca, So4, Hco3, Mg, TDS, total anions and cations, and wet period its parameters included Ca, Hco3, TDS, total anions and cations.<br>
پارامترهای کیفی, دوره کمآبی, دوره پرآبی, مدلسازی
Quality parameters, dry period, wet period, modeling
29
39
http://jwmsei.ir/browse.php?a_code=A-10-333-9&slc_lang=fa&sid=1
Parva
Mohammadi
پروا
محمدی
parva.mohammadi@ut.ac.ir
100319475328460012597
100319475328460012597
No
University of Tehran
دانشگاه تهران
Kumars
Ebrahimi
کیومرث
ابراهیمی
ebrahimik@ut.ac.ir
100319475328460012598
100319475328460012598
Yes
University of Tehran
دانشگاه تهران