عنوان

برآورد ضریب پراکنش طولی در رودخانه‌ها با استفاده از مدل شبکه‌های عصبی همبسته آبشاری,‮‭Estimation of longitudinal dispersion coefficient in rivers using a cascade correlation neural networks model‬

Number

‭۲۰۹۴۸پ‬

.Language of Text, Soundtrack etc

per

Title Proper

برآورد ضریب پراکنش طولی در رودخانه‌ها با استفاده از مدل شبکه‌های عصبی همبسته آبشاری

Parallel Title Proper

‮‭Estimation of longitudinal dispersion coefficient in rivers using a cascade correlation neural networks model‬

First Statement of Responsibility

/حامد احمدی

Name of Publisher, Distributor, etc.

: کشاورزی

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۷‬

Name of Manufacturer

، میرزائی

Specific Material Designation and Extent of Item

‮‭۱۰۰‬ص‬

Text of Note

چاپی - الکترونیکی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی سازه‌های آبی

Date of degree

‮‭۱۳۹۷/۱۱/۱۷‬

Body granting the degree

تبریز

Text of Note

با گسترش فعالیت‌صهای کشاورزی و صنعتی و افزایش بی‌صرویه ورود آلاینده‌صهای ناشی از آنها به رودخانه‌صها، بهداشت عمومی و سلامت جوامع با خطر جدی روبه رو می‌صشود .انتشار آلاینده‌صها در آبراهه‌صهای طبیعی از مسائل مهم و حیاتی در مباحث مربوط به محیط زیست به شمار می‌صآید .از این رو شناسایی فرآیند حاکم بر نحوه انتشار آلاینده‌صها و شبیه‌صسازی انتشار آنها در رودخانه‌صها از اهمیت بسزایی برخوردار است .ضریب پراکنش از پارامترهای کلیدی در برآورد توزیع غلظت آلاینده‌صها در رودخانه‌صها هست .پیش‌صبینی دقیق ضریب پراکنش در آبراهه‌صهای طبیعی تا حد زیادی در تعیین توزیع غلظت در چنین محیطصهایی موثر است .ضریب پراکنش طولی به دلیل پیچیدگی فرآیند حاکم بر رودخانه‌صها عموما با استفاده از روابط تجربی که دقت مطلوبی ندارند تعیین می‌صشود .به همین دلیل در این تحقیق از مدل‌صهای شبکه عصبی ‮‭(FFNN)‬ و شبکه عصبی آبشاری ‮‭(CCNN)‬ برای برآورد ضریب پراکنش طولی استفاده شده است .فرآیند توسعه و ارزیابی مدل جدید با استفاده از مجموعه داده‌صهای واقعی و معیارهای آماری و گرافیکی مختلف صورت گرفته است .طبق نتایج برآمده از تحقیق حاضر، مدل‌ص‍ ‮‭CCNN‬ در مقایسه با تمامی مدل‌صهای موجود دقت بسیار بهتری دارد و برای این مدل در مراحل آموزش و ارزیابی مقادیر ضریب تبیین به ترتیب برابر ‮‭۰.۹۳‬ و ‮‭۰.۹۱‬ و مقادیر جذر میانگین مربعات خطا برابر‮‭۴۷.۱‬ ،‮‭۵۲.۲۶‬ ست .روش ارائه شده در این تحقیق را می‌توان رهیافتی جدید در استفاده از دو روش بکار رفته در تخمین ضریب پراکنش طولی در رودخانه‌ها محسوب نمود

Text of Note

With the development of agricultural and industrial activities and the increased inflow of pollutants into rivers, public health and health of communities are at serious risk. The emission of pollutants in natural streams is one of the important issues in environmental problems. Hence, the identification of the process governing the release of pollutants and simulation of their release in rivers have great importances. The longitudinal dispersion coefficient is the key parameter in estimating the distribution of pollutant concentrations in rivers. The accurate estimation of the coefficient in natural streams is most effective in determining the concentration distribution in such environments. The longitudinal dispersion coefficient due to the complexity of the governing process along the rivers is generally determined using empirical relationships which suffers from lack of the desired accuracy. For this reason, Neural Network models (FFNN) and Cascade Correlation Neural Network (CCNN) have been used to estimate longitudinal distribution coefficients. The process of developing and evaluating the new models has been made using real data sets and different statistical and graphic criteria. According to the obtained results, the CCNN model has much better accuracy than all existing models. For this model, values of determination coefficients are 0.93 and 0.91, and root mean square error values are 47.1, 52.26, respectively. The CCNN model can be considered as a new approach to estimate the longitudinal dispersion coefficient in rivers

Parallel Title

‮‭Estimation of longitudinal dispersion coefficient in rivers using a cascade correlation neural networks model‬

احمدی، حامد

Ahmadi, Hamed

پارسا، جواد، استاد راهنما

قربانی، محمدعلی، استاد راهنما

Public note

سیاه و سفید

نمایه‌سازی قبلی