سنجش از دور و Gis ایران، جلد ۵، شماره ۳، صفحات ۰-۰
عنوان فارسی پهنه بندی کیفیت آلودگی آب رودخانه با استفاده از شبکه های عصبی مصنوعی و سیستم اطلاعات جغرافیایی(مطالعه موردی: رودخانه سیمینه رود)
چکیده فارسی مقاله پهنه‌بندی کیفیت آب رودخانه نخستین و مهم‌ترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا می‌سازد. پژوهش حاضر درصدد است با استفاده از شبکه‌های عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنه‌بندی کیفیت آلودگی آب رودخانه سیمینه‌رود بپردازد. داده‌های کیفی استفاده‌شده در تحقیق، حاصل نمونه‌برداری از رودخانه سیمینه‌رود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل QUAL2K شبیه‌سازی شد. خروجی مدل با داده‌های مشاهده‌ای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکی‌ِ مربوط به فصل پاییز 1387 به‌عنوان داده‌های هدف انتخاب شدند. داده‌های ورودی شامل داده‌های مربوط به کاربری اراضی، زمین‌شناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضه سیمینه‌رود هستند که به‌همراه داده‌های هدف بعد از آماده‌سازی در محیط GIS به مدل شبکه عصبی معرفی شدند. در این تحقیق از پنج‌‌ ساختار مختلف مدل FFBP شبکه عصبی استفاده شد و نتیجه ساختار منتخب با خروجی‌های حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکه عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان می‌‌دهد که شبکه‌های FFBP با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنه‌بندی کیفیت آلودگی آب قابلیت بالایی دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی
چکیده انگلیسی مقاله The first as well as the foremost phase in water quality management is zonation the quality, because it provides researchers with proper understanding of the processes and the changes of pollution, regarding the specific temporal and particular conditions. The present research has been designed to study the zonation of pollution quality of water in Simineh Rood River using Artificial Neural Networks (ANN) and Geography Information System (GIS). Qualitative data used in this study were collected by sampling in three seasons: spring and autumn of 1387 and spring of 1388. The data were then simulated by using QUAL2K model. The output was then compared with actual data and parameters Nitrate, Dissolved Oxygen, and electrical conductivity related to fall 1387 were utilized target data in neural network models. Data related to land users, geology, erosion capability, and population centers related to Simineh Rood basin were introduced to neural network models as input data. In the present study, five structures of FFBP neural networks model have been used. Results of the best structure have been compared with the output resulted from multivariable regression model, which resulted in proving superiority of the cited neural network model. The result of this research indicated that FEBP network with 4-40-40-3 structure have the best ability. This structure network considers to correlation coefficient in test data, validated data and education data and RMS error in compare to other stricter is preferred. Then used neural network model can be useful in finding the mentioned relation. Generally speaking, the result of this research shows portional ability of neural network in order to river water pollution.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدسعدی مسگری | mohammad saadi
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

منوچهر فرج زاده اصل |
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

احمد خدادادی دربان | khodadadi daryani
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

هدایت هاشمی |
دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

جمال امینی |


نشانی اینترنتی http://gisj.sbu.ac.ir/article/view/1209
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/911/article-911-444040.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده علوم پایه
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات