عنوان

پیش بینی کوتاه مدت ‮‭TD S‬ و ‮‭PH‬ در رودخانه آجی چای با استفاده از شبکه عصبی و موجک عنوان انگلیسی,‮‭Short-term forecasting of PH and TDS using combined Artificial Neural Network and wave-let method at Aji Chay‬

شماره

‭۲۱۱۴۸پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

پیش بینی کوتاه مدت ‮‭TD S‬ و ‮‭PH‬ در رودخانه آجی چای با استفاده از شبکه عصبی و موجک عنوان انگلیسی

عنوان اصلي به زبان ديگر

‮‭Short-term forecasting of PH and TDS using combined Artificial Neural Network and wave-let method at Aji Chay‬

نام نخستين پديدآور

/محمد علی قهرمانی

نام ناشر، پخش کننده و غيره

: عمران

تاریخ نشرو بخش و غیره

، ‮‭۱۳۹۵‬

نام خاص و کميت اثر

‮‭۹۱‬ص‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

عمران - گرایش محیط زیست

زمان اعطا مدرک

‮‭۱۳۹۷/۱۱/۱۷‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

تعیین و پیش بینی میزان آلودگی رودخانه ها ناشی از ورود آلاینده های شهری، صنعتی و کشاورزی به دلیل استفاده مستقیم از آب آن ها، پیشگیری از آلوده شدن آن ها و یا تأمین هزینه های لازم در پالایش منابع آب آلوده شده به طور روز افزون مورد توجه قرار گرفته شده است .در بیشتر موارد رودخانه ها بعنوان اصلی ترین منبع تأمین کننده نیاز شرب، کشاورزی و صنعت از اهمیت خاصی برخوردار هستند و از طرفی کیفیت آب از لحاظ شرب در بین پارامترهای کیفی مهمترین متغیر است .در این راستا بررسی و پیش بینی تغییرات پارامترهای کیفی در طول رودخانه یکی از اهداف مدیران و برنامه ریزان منابع آب می باشد .بدین منظور تعداد مدل های زیادی در شبیه سازی پارامترهای کیفی رودخانه ها گسترش یافته‌اند .همه این مدلها نیازمند پارامترهای ورودی زیادی مانند داده های هواشناسی، هیدرولوژی، مقاطع عرضی رودخانه و سرعت جریان هستند که یا دسترسی به آن ها مشکل است و یا اندازه گیری آن ها محتاج صرف هزینه و زمان زیادی می باشد .در این میان شبکه های عصبی ‮‭(ANN)‬ با الهام از عصب های بیولوژیکی به عنوان گزینه ای برتر مورد تحقیق و بررسی قرار گرفته اند که می توانند با تعداد پارامترهای اندازه گیری شده و با دقت قابل قبولی تغییرات متغیر مورد نظر را پیش بینی نمایند .مزیت استفاده از شبکه های عصبی مصنوعی توانایی آن ها در حل مسائل غیر خطی و حجیم که حل آن ها با دقت زیاد میسر نیست می باشد در تحقیق حاضر از داده های سه ایستگاه در بازه زمانی سی ساله استفاده شده است و با استفاده از توان بالای موجک در شناسایی سیگنال ها و جداسازی سیگنال های خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه های مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید ..در این تحقیق برخی پارامترهای کیفی آب رودخانه در برخی از ایستگاه های موجود در طول رودخانه با استفاده از شبکه های عصبی مصنوعی مورد بررسی و شبیه سازی قرار می گیرد و از مدل های شبیه سازی شده موجود به منظور پیش بینی میزان پارامتر کیفی مورد نظر در ماه های آینده استفاده شده است .پارامترهای کیفی ورودی مدل شبکه عصبی نیز شامل کل مواد جامد محلول در آب ( ‮‭(TD S‬و میزان ( ‮‭( PH‬در ایستگاه های موجود در طول رودخانه آجی چای می باشد .نتایج حاصل از شبیه سازی های شبکه عصبی در ادبیات فن حاکی از کارایی مناسب مدل شبکه عصبی در پیش بینی پارامترهای کیفی در طول رودخانه می‌باشد

متن يادداشت

Determination and prediction of river pollution due to the introduction of urban pollutants. Industrial and agricultural sectors have been increasingly taken into account because of the direct use of water, preventing their contamination, or providing the necessary costs to refine contaminated water sources. In most cases, rivers as the main source of supply needs of agriculture and industry are of particular importance. On the other hand, drinking water quality is the most important variable among qualitative parameters. In this regard, the study and forecast of changes in quality parameters along the river is one of the goals of water resource managers and planners. To this end, a large number of models have been developed to simulate river quality parameters. All of these models require many input parameters such as meteorological data, hydrology, river cross sections and flow velocities, which are either difficult to access or require costly and time-consuming measurements, including HSPF QUALIIE. Models like, WASP and. Cited. In the meanwhile, ANN ANNs are inspired by biological nerves as a superior option, which can be predicted with the number of parameters measured and with acceptable accuracy of the desired variation. Artificial neural networks have the ability to solve nonlinear and bulky problems that can not be solved with great precision. In the present study, data from three stations have been used over a thirty-year period, and using the high power of the wavelet in identifying Signals and isolation of error signals in combination with the neural network to estimate the water quality parameters of the river Nine models of wavelet neural network model were analyzed and compared with artificial neural network model. In this research, some parameters of river water quality at some stations along the river using artificial neural networks were studied and simulated And the existing simulated models are used to predict the qualitative parameters to be considered in the coming months. The input quality parameters of the neural network model include total soluble solids in water and the amount of PH in stations existing along the river Ajay Chai () TDS. The results of neural network simulations in the literature suggest the proper performance of the neural network model in predicting the quality parameters along the river

عنوان اصلي به زبان ديگر

‮‭Short-term forecasting of PH and TDS using combined Artificial Neural Network and wave-let method at Aji Chay‬

مستند نام اشخاص تاييد نشده

قهرمانی، محمد علی

مستند نام اشخاص تاييد نشده

Ghahramani, Mohammad Ali

مستند نام اشخاص تاييد نشده

حسن زاده، یوسف، استادراهنما

مستند نام اشخاص تاييد نشده

اردستانی، مجتبی، استادراهنما

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی