مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

34
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

5
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

قیاس روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش بینی پارامترهای کیفیت آب رودخانه دیناچال

صفحات

 صفحه شروع 1033 | صفحه پایان 1046

چکیده

 پیش بینی پارامترهای کیفیت آب نقش بسیار مهمی در پایش اکوسیستم رودخانه ها و پایداری آن ایفا می کند. ازطرفی, مدل های پیش بینی سنتی به خوبی ذات غیرخطی و غیرایستای متغیرهای کیفیت آب را نشان نمی دهند. در سال های اخیر, توسعه سریع شبکه های عصبی مصنوعی بحث های مرتبط با پیش بینی کیفیت آب را متحول نموده است. در این مطالعه, پارامترهای کیفی رودخانه دیناچال به عنوان یکی از رودخانه های حیاتی در استان گیلان مورد ارزیابی و پیش بینی قرارگرفته است. دو مدل مبتنی بر شبکه عصبی مصنوعی و ماشین بردار پشتیبان رگرسیونی, نُه پارامتر کیفی کل موادجامدمحلول, هدایت الکتریکی, اسیدیته, Cl, SO4, HCO3, Ca, Mg و Na با گام های زمانی یک ماه طی سال های 1385 تا 1397 پیش بینی شد و کارایی مدل ها توسط آماره های ارزیابی RMSE, MSE و MAPE بررسی و مقایسه شد. طبق نتایج به دست آمده, مدل SVR به ترتیب با (03/2=RMSE) و (062/0=RMSE) کارایی بهتری در پیش بینی کل مواد جامد محلول و غلظت منیزیم نسبت به مدل شبکه عصبی مصنوعی نشان داد. از طرف دیگر, مدل شبکه عصبی مصنوعی در پیش بینی پارامترهای دیگر نسبتاً موفق تر بود. بااین حال, کارایی هر دو مدل در پیش بینی پارامترهای کیفی رودخانه دیناچال مناسب ارزیابی شد. همچنین مدل SVR با ضریب MAPE برابر با 007/0 و مدل شبکه عصبی مصنوعی با ضریب MAPE برابر با 001/0 در پیش بینی پارامترهای کل موادجامدمحلول و هدایت الکتریکی بهترین کارایی را داشتند. در مقابل, هر دو مدل SVR و ANN در پیش بینی پارامتر کلر ضعیف ترین کارایی را باوجود RMSE 055/0 و 052/0 از خود نشان دادند. روش های به کارگرفته شده در این مطالعه می تواند در پیش بینی کیفیت آب دیناچال مؤثر واقع شود.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button