شماره ركورد كنفرانس :
4515
عنوان مقاله :
كاربرد شبكه عصبي مصنوعي در پيش بيني كيفيت آب رودخانه دز(مطالعه موردي: ايستگاه دزفول)
عنوان به زبان ديگر :
no title, no abstract
پديدآورندگان :
اسماعيل پور دهكردي عليرضا دانشگاه آزاد اسلامي، واحد اهواز - گروه مهندسي محيط زيست، اهواز، ايران , اگدرنژاد اصلان دانشگاه آزاد اسلامي، واحد اهواز - گروه مهندسي محيط زيست، اهواز، ايران , جليل زاده ينگجه رضا دانشگاه آزاد اسلامي، واحد اهواز - گروه مهندسي محيط زيست، اهواز، ايران
كليدواژه :
شبكه عصبي مصنوعي , رودخانه دز , كيفيت آب
عنوان كنفرانس :
دومين همايش ملي مديريت منابع آب نواحي ساحلي
چكيده فارسي :
رودخانه ها از مهم ترين و متداول ترين منابع تأمين آب آشاميدني، كشاورزي و صنعتي به شمار مي آيند. اين منابع به علت عبور از بسترهاي مختلف و ارتباط مستقيم با محيط پيرامون خود نوسانات كيفي زيادي دارند. از اينرو پيش بيني كيفيت جريان رودخانه ها نقش مهمي در مديريت كيفي منابع آب ايفا مي نمايد. در راستاي بررسي وضعيت كيفي يك منبع آبي، شاخص هايي براي كنترل كيفيت منابع آب در نظر گرفته مي شود. جهت تحقق اين امر، غلظت مواد جامد محلول (TDS) ، هدايت الكتريكي (EC) و نسبت جذب سديم در ايستگاه دزفول مورد ارزيابي قرار گرفت. هدف از اين تحقيق پيش بيني كيفيت منابع آب به عنوان تابعي از بارش و دبي آب به كمك شبكه هاي عصبي مصنوعي است. براي ايجاد الگوهاي آموزش و ارزيابي و تست از داده هاي شركت آب و برق خوزستان استفاده شد. توابع عضويت با نام هاي سيگموئيدي و تانژانت سيگموئيدي مورد مقايسه قرار گرفت كه از اين بين تابع عضويت نوع سيگموئيدي بهترين نتيجه را ارائه داد. همچنين در اين تحقيق شبكه عصبي با تعداد 2و3 تابع عضويت مورد استفاده قرار گرفت كه بهترين نتيجه با تعداد 3 تابع عضويت حاصل شد. با به دست آمدن تغييرات كيفيت آب از شبكه هاي MLP و TDNN با الگوريتمهاي يادگيري الونبرگ- ماركوارت براي آموزش الگوها استفاده شد. شبكه عصبي TDNN نتايج بهتري نسبت به شبكه عصبي MLP نشان داد. توابع تغييرات كيفيت آب را با ضرايب تعيين 906/. تا 964/ . پيش بيني كردند.
