| بررسی کارایی سیستم استنتاج فازی-عصبی تطبیقی در برآورد بار رسوب معلق رودخانه نازلوچای |
| کد مقاله : 1162-IHA (R2) |
| نویسندگان |
|
علی رضائی پروریجی *1، علیرضا عمادی2، سروین زمان زاد قویدل3، بابک مومنی4 1ندارد 2دانشگاه علوم کشاورزی و منابع طبیعی ساری 3بنیاد ملی نخبگان ایران (INEF)، مهندسین مشاور دانشوران عمران آب، ارومیه 4استادیار دانشگاه پیام نور استان مازندران |
| چکیده مقاله |
| رسوب معلق در انتقال آلودگیها تأثیرگذار بوده و باعث بروز مشکلاتی در کیفیت آبهای سطحی میشود. مدلسازی و تخمین میزان رسوب در رودخانه نازلوچای در سه ایستگاه هیدرومتری آباجالوسفلی، تپیک و کریمآباد با بهکارگیری مدلهای شبکه عصبی چندلایه پرسپترون (MLP)، درخت تصمیم (DT)، K-نزدیکترین همسایگی (KNN) و سامانه استنتاجی فازی-عصبی تطبیقی (ANFIS) هدف اصلی پژوهش حاضر میباشد. نتایج نشان میدهد که نوع تابع عضویت مثلثی، ذوزنقهای و گوسین با تعداد توابع عضویت 1، 3 و 2 به ترتیب در ایستگاههای آباجالوسفلی، تپیک و کریمآباد دارای بالاترین عملکرد با ضریب همبستگی 0/90، 0/94 و 0/84 جهت تخمین بار رسوب میباشد. همچنین، نتایج نشان میدهد که در ایستگاههای مورد مطالعه به ترتیب مدلهای ANFIS، MLP، DT و KNN دارای بهترین عملکرد جهت تخمین میزان بار رسوب در رودخانه نازلوچای می باشند. به طوریکه مدل ANFIS دارای کمترین میزان خطا و بیشترین مقادیر ضریب همبستگی و شاخص کارایی مدل بوده و در مقابل مدل KNN دارای بیشترین میزان خطا و کمترین ضریب همبستگی و شاخص کارایی می باشد. از طرفی نتایج حاکی از آن است که چهار مدل هوشمند به کار گرفته شده عملکرد مناسب نسبت به روش تجربی منحنی سنجه در تخمین میزان رسوب در رودخانه نازلوچای را دارد. بنابراین، با روند رشد سریع جمعیت و بهتبع آن گسترش مراکز شهری و صنعتی و نیز کاربری کشاورزی در اطراف رودخانه نازلوچای، درصورتیکه اقدامات جدی صورت نگیرد آلودگی و میزان رسوبات در مسیر رودخانه گسترشیافته و سلامت انسان و سایر موجودات را در طول رودخانه تهدید میکند. |
| کلیدواژه ها |
| مدلسازی، شبکه عصبی مصنوعی، درخت تصمیم، منحنی دبی سنجه |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
