پایان نامه کارشناسی ارشد رشته مهندسی عمران –  سازه‌های هیدرولیکی

عنوان:

ارزیابی عملکرد مدل‌های هوشمند نروفازی و شبکه‌های عصبی مصنوعی در پیش‌بینی و شبیه‌سازی پارامتر کیفیTDS  رودخانه‌ها (مطالعه موردی: رودخانه آب شیرین)

استاد راهنما:

دکتر طاهر رجایی

استاد مشاور:

دکتر محمدرضا کاویانپور

چکیده:

رودخانه‌ها از مهم‌ترین و متداول‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعتی به شمار می‌آیند. این منابع به علت عبور از بسترهای مختلف و ارتباط مستقیم با محیط پیرامون خود نوسانات کیفی زیادی دارند. از اینرو پیش‌بینی کیفیت جریان رودخانه‌ها که پدیده‌ای غیر قطعی، تصادفی و تأثیرپذیر از بعضی عوامل طبیعی و غیر طبیعی می‌باشد، تأثیر مهمی در مدیریت کیفی منابع آب اعمال می‌نماید. با در نظر داشتن نواقص موجود در داده‌های آماری می‌توان از نتایج مدل‌های شبیه‌سازی به مقصود کشف نواقص، اصلاح یا تکمیل داده‌ها بهره گیری نمود. در راستای مطالعه وضعیت کیفی یک منبع آبی، شاخص‌هایی برای کنترل کیفیت منابع آب در نظر گرفته می گردد. جهت تحقق این امر، غلظت مواد جامد محلول (TDS) و هدایت الکتریکی (EC) ایستگاه هیدرومتری گراب واقع در رودخانه آب شیرین، برای پیش‌بینی و شبیه‌سازی تغییرات شوری مورد ارزیابی قرار گرفته می باشد. در مدل‌های پیش‌بینی، با حفظ پیوستگی زمانی از ورودی‌های تأخیری ماهانه کل جامدات محلول برای تخمین شوری بهره گیری شده می باشد و در مدل‌های شبیه‌سازی به دلیل عدم لزوم حفظ پیوستگی زمانی و کاهش خطای مدلسازی‌ها، ترکیب تصادفی مجموع آنیون‌ها و کاتیون‌ها به عنوان ورودی مدل مورد بهره گیری قرار گرفته می باشد. در این مطالعه الگوریتم‌های هوشمند شبکه‌های عصبی مصنوعی و فازی-عصبی، برای مدل‌سازی سری‌های زمانی که شرایطی از قبیل ایستایی را برای به‌کارگیری تکنیک‌های کلاسیک ندارند، مورد بهره گیری قرار گرفته‌اند. نتایج، حاکی از عملکرد تقریبا مشابه دو روش فوق با دقت قابل قبولی در مدل‌سازی پارامترهای کیفی حوضه مطالعاتی می‌باشد. در پایان با در نظر داشتن نتایج بدست آمده، مدل نروفازی در مقایسه با شبکه عصبی دارای عدم قطعیت کمتری در مقادیر خروجی می‌باشد؛ به طوری که در عرض محدوده‌ی اطمینان اکثر مدلسازی‌ها، عملکرد بهتری از خود نشان می‌دهد.

فصل اول: مفاهیم اولیه

1-1- مقدمه

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

یکی از مهم‌ترین عوامل توسعه هر منطقه در دسترس بودن منابع آب با کیفیت می باشد. شناخت وضعیت آلودگی رودخانه‌ها سبب گردیده می باشد، برنامه‌ریزی‌های مدیریتی به مقصود کنترل کیفیت آب رودخانه‌ها در آینده از اهمیت بیشتری برخوردار ­گردد. پیش‌بینی کیفیت جریان رودخانه‌ها در بازه‌های زمانی آینده، با وجود تاثیرپذیری از بعضی عوامل طبیعی و غیر طبیعی، تأثیر مهمی در مدیریت کیفیت منابع آب اعمال می‌نماید.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

با پیش‌بینی کردن کیفیت جریان رودخانه‌ها علاوه بر مدیریت بهره‌برداری منابع آب به مقصود تأمین نیاز، و اجازه‌ی برداشت‌های کشاورزی و صنعتی بیشتر در بازه‌های زمانی که رودخانه از آلودگی بیشتری برخوردار می باشد می‌توان با بهره گیری از مسیرهای انحرافی از ورود جریان‌های با بار آلودگی بالا که تأثیر نامطلوبی بر کیفیت آب مخازن دارد جلوگیری به اقدام آورد. همچنین به دلیل وجود نقص داده‌های آماری در داده‌های کمی و کیفی ایستگاه‌های هیدرومتری می‌توان از نتایج مدل‌ شبیه‌سازی پارامترهای کیفی به مقصود صحت، کشف نواقص، اصلاح یا تکمیل داده‌ها بهره گیری نمود. مدل‌های تجربی که بدون در نظر داشتن پارامترهای مورد بهره گیری، کوشش در ایجاد ارتباط‌ای بین داده‌های ورودی و خروجی دارند به مدل‌های هوشمند معروف هستند. در واقع منطق فازی، محاسبات عصبی و الگوریتم‌های ژنتیک شالوده‌های علم محاسبات نرم را تشکیل می‌دهند. بر خلاف محاسبات سخت[1]، محاسبات نرم[2] با عدم قطعیت موجود در دنیای واقعی سازگار می‌باشد. می‌توان اصول پایه در محاسبات نرم را در قالب یک جمله و به صورت زیر اظهار نمود:

«بهره برداری از تلورانس نادرستی، عدم قطعیت و حقیقت جزئی[3] در راستای رسیدن به یک راه حل انعطاف پذیر، محکم و کم هزینه»[63]