عنوان

تخمین پارامتر هدایت الکتریکی در لایسیمتر بر اساس تغییرات رطوبت و دما با استفاده از مدل هوش مصنوعی

Number

پ۲۷۶۶۰

.Language of Text, Soundtrack etc

per

Title Proper

تخمین پارامتر هدایت الکتریکی در لایسیمتر بر اساس تغییرات رطوبت و دما با استفاده از مدل هوش مصنوعی

First Statement of Responsibility

سید امیررضا طباطباء وکیلی

Name of Publisher, Distributor, etc.

عمران

Date of Publication, Distribution, etc.

۱۴۰۱

Specific Material Designation and Extent of Item

۹۳ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی محیط‌زیست

Date of degree

۱۴۰۱/۰۶/۱۹

Text of Note

پیش‌بینی آلاینده‌های شیرابه از اولویت‌¬های اول برای تشخیص آلودگی منابع آب مجاور در صورت نشت است. در این مطالعه، هدایت الکتریکی (EC) به عنوان یک پارامتر فیزیکی-شیمیایی آلودگی آب، با امکان اندازه‌گیری قابل حمل، به عنوان شاخصی از کیفیت شیرابه برای لندفیل Tychy Urbanowice استفاده شد. به این ترتیب، برای پایش هدایت الکتریکی، دمای پسماند و رطوبت، دو آزمایش لایسیمتر در لهستان انجام گرفته است. پارامترهای لایسیمتر توسط حس‌گرهای نصب شده از انتهای نوامبر 2018 تا پایان ماه دسامبر 2019 اندازه‌گیری شده است. علاوه بر این، داده‌های هواشناسی به دست آمده از نزدیکترین ایستگاه سینوپتیک و رطوبت خاک و دمای خاک به دست آمده از ماهواره GLDAS برای تحلیل شرایط مختلف، به دست آمد. پس از آن، شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی عصبی (ANFIS) و مدل‌های احساسی ANN (EANN) برای تعیین پارامترهای مؤثر بر مقدار EC و پس از آن، پیش‌بینی پارامتر EC ضبط نشده لایسیمتر با استفاده از روش یادگیری انتقالی توسعه داده شد. به دنبال آن، برای بهبود پیش‌بینیEC، تکنیک‌های گروهی به خروجی‌های مدل‌های توسعه یافته اعمال شد. نتایج به دست آمده نشان داد که رطوبت لایسیمتر سهم قابل‌توجهی در پیش‌بینی مقدار EC داشت. قابل‌توجه است که در میان مدل‌های ANN، ANFIS وEANN، مدل EANN می‌تواند نتایج دقیق‌تر را در برآورد EC با میانگین DC بالاتر از 8/0 و 9/0 برای مدل‌سازی تکی و گروهی در هر دو مرحله آموزش و تست به دست آورد.

Text of Note

Abstract: Predicting leachate pollutants is of prime importance in detecting the amount of pollution in water resources adjacent to sources of leakage. In this study, Electrical Conductivity (EC) as a physicochemical water pollution parameter with the possibility of portable measurement was used as an indicator of leachate quality for the Tychy-Urbanowice operating and closed landfill complex. In order to simulate landfill conditions, two lysimeter experiments were conducted simultaneously. Using sensors mounted in the lysimeters, from the end of November 2018 to the end of December 2019, EC, waste temperature and waste moisture were measured for the open lysimeter and only waste moisture for the closed lysimeter. Additionally, meteorological data obtained from the nearest synoptic station and soil moisture and temperature acquired from the GLDAS satellite were employed as external data to analyze various conditions. Thereafter, Artificial Neural Network (ANN), Neuro-Fuzzy Inference System (ANFIS), and Emotional ANN (EANN) models were developed to determine the parameters affecting the EC value recorded for the open lysimeter and subsequently, predict the missing EC parameter of the closed lysimeter by employing the transfer learning method. Following that, in order to improve the precision of EC predictions, ensemble techniques were applied to the outputs of the models that were developed. The results showed that the moisture of the lysimeters made a significant contribution to the EC value prediction. It is worth mentioning that among ANN, ANFIS, and EANN, the EANN model yielded more precise results in EC estimation, with the average DC above 0.80 and 0.90 for individual and ensembled modeling in both the training and verification phases, respectively.

Variant Title

Estimation of electrical conductivity parameter in lysimeter based on humidity and temperature changes using artificial intelligence model

Entry Element

‏طباطباء وکیلی،

Part of Name Other than Entry Element

‏ سید امیررضا

Relator Code

تهیه کننده

Entry Element

حسینی بقانام،

Entry Element

نورانی،

Part of Name Other than Entry Element

‏ آیدا

Part of Name Other than Entry Element

‏ وحید

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏ تبریز