این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی آبیاری و آب ایران، جلد ۱۲، شماره ۳، صفحات ۲۴۳-۲۶۰
عنوان فارسی مقایسه عملکرد مدل‌های هوشمند در شبیه‌سازی پارامترهای کیفی آب سطحی و زیرزمینی (مطالعه موردی:دشت ساوه)
چکیده فارسی مقاله هدف از تحقیق حاضر شبیه­سازی پارامترهای کیفیت منابع آب با استفاده از مدل­های هوشمند و بررسی اثر منبع آب سطحی و زیرزمینی در دقت شبیه‌سازی پارامترهای کیفی آب می­باشد. در این مطالعه کاربرد روش‌های شبکه عصبی مصنوعی (ANN) و عصبی-فازی (CANFIS) در شبیه‌سازی پارامترهای مهم کیفی آب سطحی و زیرزمینی دشت ساوه شاملTDS, SAR, EC,TH مورد ارزیابی قرار گرفت. بدین منظور پس از بررسی میزان همبستگی کاتیون‌ها و آنیون‌ها با پارامترهای هدف در هر دو منبع آبی، متغیرهای کیفی SO4, Cl, Mg, Ca, pH طی دوره 50 ساله از 1345 لغایت 1395 به عنوان متغیرهای ورودی انتخاب گردیدند. نتایج شبیه­سازی نشان داد که کمترین خطای برآورد شبکه عصبی مصنوعی برای منابع زیرزمینی و سطحی، به‌ترتیب مربوط به شبیه‌سازی TH و EC با خطای NRMSE معادل 29/1 و 3/5 درصد بود. بیشترین مقدار خطا در هر دو منبع مربوط به پارامتر SAR می‌باشد. به همین ترتیب، نتایج مشابه در شبیه-سازی با روش فازی-عصبی بدست آمد. آزمون تی-تست نشان داد، که استفاده از روش‌های هوشمند عصبی و عصبی-فازی در برآورد پارامتر کیفی SAR در منابع آب زیرزمینی اختلاف معنی‌داری دارند، به‌طوری­که مقدار NRMSE از 09/32 درصد در روش ANN به 82/22 در روش CANFIS کاهش یافته است. در مورد سایر پارامترهای کیفی آب زیرزمینی، اختلاف معنی‌داری مشاهده نگردید. در مورد منابع آب سطحی، روش عصبی-فازی سبب بهبود معنی‌دار نتایج مدل‌سازی پارامترهای کیفی TDS, SAR شد، به‌طوری­که مقدار NRMSE به ترتیب از 35/60 و 27/29 درصد در روش شبکه عصبی مصنوعی به 72/28 و 85/16 درصد در روش فازی-عصبی کاهش یافت. در مجموع می‌توان این‌گونه استنباط نمود که اثر نوع منبع آب در میزان خطای شبیه‌سازی هر یک از پارامترهای کیفی مشهود بود.
کلیدواژه‌های فارسی مقاله شبکه عصبی، عصبی-فازی، منبع آب سطحی، منبع آب زیرزمینی، پارامتر کیفی منابع آب،
عنوان انگلیسی Assessment of the Impact of the Iype of Water Resource (surface and ground) on the Performance of Intelligent Models in Simulation of Water Quality Parameters
چکیده انگلیسی مقاله The main purpose of this study is to evaluate the effect of type of water resource in simulating water quality parameters in Savel plain by the intelligent models. In this investigation, the performance of ANN and CANFIS models in simulation of TDS, SAR, EC, and TH were compared with each other. For this aim, considering the correlation of the parameters, the Ph, Ca, Mg, Cl, and SO4 from 1966 to 2016 were selected as the input variables. The results indicated that the minimum error by the ANN in groundwater and surface water resources were related to the TH and the EC with 1.29 and 5.3 % respectively. The maximum error in both resources corresponded to the SAR. The same results were obtained by the CANFIS. The consequences of the T-Test showed that there was a significant difference between the ANN and the CANFIS in estimation of the SAR in the groundwater. So that the value of NRMSE decreased from 32.9% in the ANN to 22.82% in the CANFIS. Concerning the other parameters, there was not any significant distinction. In case of the surface water, the CANFIS led to increase of proficiency of simulation of the SAR and the TDS. So thar, the value of the NRMSE declined from 60.35 and 29.27% in the ANN to 28.72 and 16.85 % in the CANFIS. In general, the impact of the type of the water resource in the accuracy of intelligent models in simulation of water quality parameters was approved.
کلیدواژه‌های انگلیسی مقاله شبکه عصبی, عصبی-فازی, منبع آب سطحی, منبع آب زیرزمینی, پارامتر کیفی منابع آب
نویسندگان مقاله مریم بیات ورکشی |
، گروه علوم و مهندسی خاکشناسی، دانشکده کشاورزی، دانشگاه ملایر

احمد باقری |
دانشگاه ملایر

مریم هاشمی |
دانشگاه ملایر

نشانی اینترنتی https://www.waterjournal.ir/article_146405_e820120d524563a82dce80286ecff7ae.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات