۲۳۶۱۱پ
per
ارزیابی شاخص کیفیت آب تالاب با استفاده از رویکرد شبکه عصبی مصنوعی: مطالعه موردی تالاب کانی‌برازان
Water quality index assessment of wetland using artificial neural network (ANN) approach: the case of kanibarazan
/حسین فروهی
: مهندسی عمران
، ۱۳۹۹
، کبیری
۹۳ص
چاپی - الکترونیکی
کارشناسی ارشد
مهندسی عمران گرایش محیط زیست
۱۳۹۹/۰۶/۳۱
تبریز
تالاب ها یکی از اثرگذارترین اکوسیستم های زیستی بر روی محیط زیست می‌باشند که مزایای فراوان زیستی و اقتصادی آنها موجب جلب توجهات در طول تاریخ بوده است .این مزایا همواره موجب استفاده نادرست و بیش از ظرفیت اکولوژیکی تالاب‌ها شده و زمینه‌ساز تخریب و نابودی این اکوسیستم ها در حد بسیار وسیعی گردیده است .با افزایش تنش آبی ناشی از کمبود بارش ها و خشکسالی، تخریب و نابودی تالاب ها به میزان بالایی افزایش یافته است، با ارتقاء سطح آگاهی از خدمات وسیع این اکوسیستم ها و خسارات سنگین ناشی از تخریب و نابودی آنها گام هایی به جهت جلوگیری از روند نابودی، احیا و حفاظت از اکوسیستم های تالابی برداشته شده است .حفاظت از تالاب ها ضرورتی است که بطور رسمی از سال ۱۹۷۱ میلادی در قالب کنوانسیون رامسر به شکل عملی و سازماندهی شده در سطح بین المللی، به دلیل آسیب‌دیدگی های بسیار این منابع طبیعی ارزشمند، آغاز شد .تالاب ها از بخش ها و عوامل تاثیر گذار بسیاری تشکیل شده‌اند که به جهت مدیریت علمی و اصولی آنها باید مورد ارزیابی قرار گیرند، کیفیت آب تالاب که از اصلی ترین تمایز دهندگان این اکوسیستم از دیگر اکوسیستم هاست یکی از عواملی است که سلامت تالاب مستقیما با آن در ارتباط بوده و ارزیابی این مهم از اساسی‌ترین امور در پایش سلامت تالاب محسوب می‌گردد .از بین پارامترهای تاثیرگذار در کیفیت آب، اکسیژن محلول (DO) از مهترین و تاثیرگذارترین عوامل به خصوص در اکوسیستم های تالابی محسوب می‌شود و ارزیابی، بررسی و پیش بینی سطح آن می‌تواند کمک شایانی در تدوین برنامه های مدیریتی جهت حفاظت از تالاب و حفظ سلامت آن نماید .در این پژوهش میزان سطح DO تالاب کانی‌برازان ارزیابی شده است .به جهت انجام این کار داده های ثبت شده توسط حسگرهای موجود در سایت تالاب کانی‌برازان، نصب شده توسط سازمان حفاظت از محیط زیست کشور، در سال‌صهای آبی ۹۷ و ۹۸ مورد استفاده قرار گرفته است .بدین ترتیب چهار ترکیب از پارامترهای دمای آب، هدایت الکتریکی، عمق آب، فشار و دمای هوا تحت عنوان مدل‌های ارائه شده به ابزارهای مدلسازی به جهت پیش بینی سطح DO آب تالاب انتخاب شده است .این مدل-ها توسط سه ابزار شبکه های عصبی مصنوعی(ANN) ، رگرسیون تیغه‌ای بیزین (BRR) و SVM(SVR) مدلسازی شده است .همچنین دراین پژوهش نوع تاثیر گذاری ترکیب پارامترهای مختلف در روند پیش بینی سطح DO بررسی و خروجی‌های حاصل از مدلسازی ترکیب‌صها با یکدیگر مقایسه شده و ترتیب توانایی آنها در انجام این کار ارائه خواهد گردید .هدف از انجام این پژوهش بررسی تاثیرگذاری پارامترهای مختلف بر سطح DO آب تالاب و همچنین میزان توانایی ابزارهای مورد استفاده در پیش بینی سطح این پارامتر می‌باشد .طی این پژوهش مشخص شد که پارامترهای دمای آب و هوا و عمق آب بهترین عملکرد را در پیش بینی سطح DO دارند لذا بیشترین اثرگذاری را نیز بر میزان سطح این پارامتر دارا می‌باشند همچنین با بررسی ابزارهای مورد استفاده دراین پژوهش مشخص شد که دقیق ترین نتیجه رگرسیون انجام شده با استفاده از SVM(SVR) حاصل می‌شود، پس می‌توان نتیجه گرفت که این ابزار از توانایی بالایی در انجام این پژوهش و پژوهش های مشابه برخوردار است و می‌تواند به عنوان راهکاری برای پیش بینی سطح DO با استفاده از پارامترهای دیگر مورد استفاده قرار گیرد .نکته مهم در ارتباط با خطاهای مشاهده شده حین استفاده از ابزارهای مدلسازی می‌باشد که به اختلالات موجود در ثبت داده ها توسط حسگر در طی بازه‌های زمانی مربوط به ماه‌های گرم از سال ارتباط داده شد، با انجام بررسی‌هایی مشخص گردید که این اختلالات با میزان عمق آب ارتباط مستقیم دارند یا به عبارت دیگر اختلالات بیشتر در زمان هایی رخ می‌دهند که از عمق آب تا حد زیادی کاسته شده باشد .این مساله می‌تواند به دلیل ایجاد مشکل در ثبت صحیح حسگر توسط عوامل خارجی از جمله محصور شدن سطح حسگر توسط گیاهان یا جلبک ها اتفاق بیافتد
Wetlands are one of the environment's most established ecology, with many environmental and economic benefits that have drawn attraction throughout history. These benefits are usually misused and overused that has contributed to this ecosystem's widespread destruction. With the growing stress on water due to lack of rainfall and global drought, the rate of wetlands loss and degradation has been increased besides It has eliminated the protection of wetland habitats. With the increase of awareness of the extensive services of these ecosystems and the savage damages caused by their destruction and destruction, steps were taken to prevent the process of destruction, restoration, and protection of wetland ecosystems. Therefore, wetland protection is a necessity that officially began in 1971 under the Ramsar Convention in a practical and internationally organized manner due to the extensive damage to these valuable natural resources. Wetlands are composed of many influential factors that should be evaluated for their scientific and principled management. The water quality of the wetland, which is one of the main differentiators of this ecosystem from other ecosystems, is one of the factors that directly affect the health of the wetland. Wetlands are composed of many influential sections and factors that must be evaluated for their scientific and principled management, the water quality of the wetland, which is one of the main differentiators of this ecosystem from other ecosystems. It is one of the most important factors that the health monitoring of the wetland is directly related to it. Among the influential parameters in water quality assessment. Dissolved oxygen (DO) is one of the most important and effective factors, especially in wetland ecosystems, whose evaluation, monitoring and prediction can be a great help in developing management programs to protect the wetland and maintain its health. In this study, the level of DO in Kani Barazan wetland has been evaluated. Therefore, the data recorded by the sensors on the site of the wetland, installed by the Environmental Protection Organization, have been used in the years 2018 and 2019, are used. In this thesis, four combinations among five parameters including water temperature, electrical conductivity, Water depth, pressure, and air temperature are selected to predict the DO level of the wetland using various tools of artificial neural networks (ANN), Bayesian Ridge regression (BRR) and support vector machine-regression (SVM - SVR). Also, in this research, the effectiveness of different combinations of the aforementioned parameters is used. and with using different machine learning tools the results have been compared and the best methodology is selected. After analyzing, it is found that the parameters of water level and water and air temperature has the most important role in predicting the level of DO, and among machine learning tools that have been implemented in this thesis, the SVM-SVR has great accuracy
Water quality index assessment of wetland using artificial neural network (ANN) approach: the case of kanibarazan
فروهی، حسین
Forouhi, Hossein
سیاه و سفید
نمایه‌سازی قبلی
