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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

753
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

507
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

پیش بینی پارامترهای کیفی (NO3, DO) رودخانه کرج با استفاده از مدل های MLR ،ANN و تلفیق شبکه عصبی-موجکی بر پایه نویززدایی

صفحات

 صفحه شروع 511 | صفحه پایان 529

چکیده

 زمینه و هدف: پیش بینی و کنترل کیفیت آب رودخانه کرج, به عنوان یکی از مهم ترین منابع تامین کننده آب مورد نیاز شهر تهران, از اهمیت بسزایی برخوردار است. در این تحقیق, عملکرد مدل های شبکه عصبی (ANN), مدل ترکیبی شبکه عصبی – موجک (WANN) و رگرسیون خطی چند متغیره (MLR), برای پیش بینی یک ماه آینده یون نیترات و اکسیژن محلول ایستگاه پل خواب واقع در رودخانه کرج, مورد ارزیابی قرار گرفت.روش بررسی: از یک دوره آماری 11 ساله جهت ورودی مدل ها استفاده شد. در مدل ترکیبی WANN سری های زمانی واقعی دبی و پارامتر کیفی مورد نظر (نیترات و اکسیژن محلول) توسط آنالیز موجک تجزیه شدند؛ سپس مجموع سری های زمانی موثر آنها به عنوان ورودی ANN به کار گرفته شد. در ادامه, توانایی هر سه مدل, برای پیش بینی نقاط پیک سری زمانی که دارای اهمیت بسزایی هستند, بررسی شد. کارایی مدل ها با ضریب تببین یا نش(E) و ریشه میانگین خطای مربع (RMSE) ارزیابی شدند.یافته ها: نتایج, حاکی از دقت و توانایی بالای مدل هیبرید شبکه عصبی- موجکی با رویکرد حذف نویزهای سری زمانی نسبت به دو مدل دیگر بوده است؛ بطوریکه مدل ترکیبی شبکه عصبی– موجکی قادر بود میزان RMSE را برای یون نیترات در مقایسه با مدل شبکه عصبی و رگرسیون خطی چند متغیره به ترتیب به مقدار% 35.60 و %75.93 و برای یون اکسیژن محلول, به اندازه %40.57 و %60.13 بهبود بخشد.نتیجه گیری: به لحاظ قابلیت بالای شبکه عصبی موجکی و حذف نویزهای سری های زمانی در پیش بینی پارامترهای کیفی آب رودخانه, این مدل می تواند, راهکاری مناسب و سریع در مدیریت برتر کیفیت منابع آب و اطمینان از نتایج پایش کیفی و کاهش هزینه های آن مطرح شود.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    رجایی، طاهر، رحیمی بنماران، رقیه، و جعفری، حمیده. (1393). پیش بینی پارامترهای کیفی (NO3, DO) رودخانه کرج با استفاده از مدل های MLR ,ANN و تلفیق شبکه عصبی-موجکی بر پایه نویززدایی. سلامت و محیط زیست، 7(4)، 511-529. SID. https://sid.ir/paper/145860/fa

    Vancouver: کپی

    رجایی طاهر، رحیمی بنماران رقیه، جعفری حمیده. پیش بینی پارامترهای کیفی (NO3, DO) رودخانه کرج با استفاده از مدل های MLR ,ANN و تلفیق شبکه عصبی-موجکی بر پایه نویززدایی. سلامت و محیط زیست[Internet]. 1393؛7(4):511-529. Available from: https://sid.ir/paper/145860/fa

    IEEE: کپی

    طاهر رجایی، رقیه رحیمی بنماران، و حمیده جعفری، “پیش بینی پارامترهای کیفی (NO3, DO) رودخانه کرج با استفاده از مدل های MLR ,ANN و تلفیق شبکه عصبی-موجکی بر پایه نویززدایی،” سلامت و محیط زیست، vol. 7، no. 4، pp. 511–529، 1393، [Online]. Available: https://sid.ir/paper/145860/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا