عنوان

تخمین شاخص کیفیت آب رودخانه صوفی چای با استفاده از روش شبکه عصبی بیزین,‮‭Estimation of Water Quality Index in the Sufichay river using Bayesian neural network‬

Number

‭۲۱۷۳۹پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تخمین شاخص کیفیت آب رودخانه صوفی چای با استفاده از روش شبکه عصبی بیزین

Parallel Title Proper

‮‭Estimation of Water Quality Index in the Sufichay river using Bayesian neural network‬

First Statement of Responsibility

/میلاد باقرزاده

Name of Publisher, Distributor, etc.

: مهندسی عمران

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۸‬

Name of Manufacturer

، افشاری

Specific Material Designation and Extent of Item

‮‭۸۹‬ص‬

Text of Note

چاپی - الکترونیکی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی عمران، گرایش مهندسی سواحل، بنادر، و سازه‌صهای دریایی

Date of degree

‮‭۱۳۹۸/۰۶/۱۶‬

Body granting the degree

تبریز

Text of Note

ودخانهها یکی از منابع اسااسای تامین آب برای مصاار کشااورزی و شارب میباشاند افزای فااییتهای انساانی در نتیجهی توسااه شاهری و روساتایی و صاناتی باعو بروز آیود یها در رودخانهها شاده اسات، از این رو پای کیفیت این منابع ضاروری به نرر میرساد به دییل اینکه پای و ارزیابی کیفیت آبهای ساححی پرهزینه اسات یافتن روشای ارزان، آساان و نسابتا دقیب بسایار مفید اسات همینین رودخانه صاوفیچای نق بسایار مهمی در تامین آب آشاامیدنی و آب کشااورزی در اساتان آبربایجان شارقی دارد از این رو در این تحقیب ابتدا کیفیت آب این رودخانه با شااخص‮‭WQI‬ و بر اساا دادههای دریافتی از ساازمان آب منحقهای اساتان آبربایجان شارقی در بازه زمانی‮‭۱۳۴۵- ۱۳۹۵‬سانجیده شاد و سا جهت مدلساازی آن از شابکه عصابی بیزین اساتفاده شاد جهت تخمین ،‮‭WQI‬از نه پارامتر کیفی ، ‮‭Ca‬، ‮‭Mg‬، ‮‭Cl‬، ‮‭So۴ EC‬، ‮‭HCO۳‬، ‮‭TDS‬،‮‭PH‬و‮‭Na‬ اساتفاده ردید برای مدلساازی با شابکههای عصابی بیزین با توجه به دادههای ورودی نه مدل تاریف ردید در مدل اول تنهاا پارامتر‮‭SO۴‬ به عنوان ورودی در نرر رفتاه شاااد و به ترتیا بکر شاااده تااداد ورودیها افزای یافته اسات که مدل نهم شاامل تمامی ورودیها میباشاد مشااهده میشاود که با اضاافه شادن ورودیها دقت نتایج بر اساا مایارهای ارزیابی ن - سااتکلیف از‮‭۰/۱۲‬ به‮‭۰/۹۹۹‬ افزای یافته و مایار‮‭RMSE‬ نیز از‮‭۰/۱۴۹‬ به‮‭۰/۰۶۸‬ کاه یافته است در مجموع و طبب نتایج به دسات آمده، مدلهای هوشامند و بخصاوش شابکه عصابی بیزین از دقت مورد قبویی برای مدل ساازی شااخص کیفیت آب و پارامترهای کیفی آب برخوردار هساتند و میتوان از آنها در مساالل مربو به پای و کنترل کیفیت منابع آب و مسالل مربو به مدیریت این منابع ارزشمند استفاده نمود

Text of Note

Rivers are one of the most essential resources of potation water and irrigation water. Increasing human activities as a result of urban, rural and industrial development has caused for river contamination, therefore controlling the quality of these resources seems necessary. Because controlling and evaluation of the quality of surface water resources is costly, finding new ways with low expenses and acceptable accuracy is very beneficial. Also, the Sufichay river has a very important role in providing drinking water and agriculture water for the East Azerbaijan province. Therefore, in this research, firstly the water quality index of the Sufichay river has been calculated based on the data collected by the regional water department of the East Azerbaijan in the period of (1345-1395) and a Bayesian network is used to estimate and model it. For WQI estimation, nine water quality parameters including SO4, Cl, Mg, Ca, PH, TDS, HCO3, EC and Na were used. For modeling with Bayesian nueral network nine model were defined. In the first model SO4 was the only input and other parameters were added respectively and the last model included all parameters. Results showed that with increasing the number of inputs, the NS was increased from 0.12 to 0.999 and RMSE was reduced from 0.149 to 0.068. To sum up and according to results of this research, the intelligent models, specially Bayesian Neural Network have excellent accuracy for modeling WQI and water quality parameters and they can be used for monitoring and controlling quality of the water resources and all issues related to water management.

Parallel Title

‮‭Estimation of Water Quality Index in the Sufichay river using Bayesian neural network‬

باقرزاده، میلاد

Bagerzade, Milad

Public note

سیاه و سفید

نمایه‌سازی قبلی