توسعه و ارزیابی فناوری اندازهگیری غلظت رسوبات معلق در محیطهای آبی به روش اندازه-گیری نوری | ||
| نشریه مهندسی عمران امیرکبیر | ||
| دوره 54، شماره 5، مرداد 1401، صفحه 2051-2064 اصل مقاله (1.86 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2021.20356.7402 | ||
| نویسندگان | ||
| فاطمه برزگری بنادکوکی* 1؛ َشروین فقیهی راد2؛ محمدتقی دستورانی3 | ||
| 1دانشکده فنی مهندسی، دانشگاه پیام نور، تهران، ایران | ||
| 2پژوهشکده مهندسی هیدرولیک و محیط های آبی، موسسه تحقیقات آب، وزارت نیرو، تهران، ایران | ||
| 3دانشکده منابع طبیعی و محیط زیست، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| چکیده | ||
| پایش رسوبات معلق نقش مهمی در شناخت رفتار رودخانه، شناسایی کانون های فرسایش و رسوب و مدیریت بهتر اراضی آبخیزها ایفا میکند. در حال حاضر به دلیل هزینه های بالای پایش مستمر رسوبات معلق، برنامه ریزی و مدلسازی جهت مهار فرسایش با چالشهای جدی روبروست. هدف از این پژوهش، توسعه فناوری و ارزیابی دستگاه بازتاب نوری اندازه گیر رسوب معلق با سامانه توام چند منبع نوری همراه با مدل سازی هوش مصنوعی می باشد. دستگاه مذکور پس از ساخت، طی مراحل مختلف آزمایشی در آزمایشگاه هیدرولیک موسسه تحقیقات آب وزارت نیرو مورد بررسی قرار گرفت. بررسی عملکرد دستگاه طی دو مرحله واسنجی و صحت سنجی انجام شد. در فرایند بررسی، تعداد 40 نمونه رسوب تولید و نمونه برداری شد که 70% آنها برای آموزش دستگاه و 30% باقیمانده داده ها جهت صحت سنجی استفاده شد. از کدورت سنج مرجع و نمونه برداری دستی جهت آزمون درستی عملکرد دستگاه استفاده گردید. منحنی های ترسیم شده، بیانگر همبستگی بسیار خوب بین عدد نوری ثبت شده توسط دستگاه و غلظت رسوب معلق می باشد. به منظور ارتقاء نتایج پیش بینی دستگاه، از روش هوشمند مبتنی بر آمار رگرسیون ماشین بردار (SVR) و همچنین شبکه عصبی پرسپترون چند لایه (MLP) استفاده گردید. در نهایت نتایج حاصله توسط شاخص های میانگین خطای مطلق (MAPE)، مجذور میانگین مربعات خطا (RMSE)، ضریب ناش ساتکلیف(NSE) ، ضریب همبستگی (R)و ضریب تبیین (R2)مورد ارزیابی قرار گرفتند. نتایج نشان داد استفاده از مدل MLP در مقایسه با نتایج حاصل از دستگاه بدون اعمال هوش مصنوعی و نیز در مقایسه با مدل SVR در بهبود نتایج پیش بینی رسوب معلق دارد. مقادیر شاخص های ارزیابی برای مدل MLP به ترتیب برابر با 0/023، 7/608، 0/997، 0/999 و 0/999 می باشد. | ||
| کلیدواژهها | ||
| بازتاب نوری؛ شبکه عصبی پرسپترون چندلایه؛ کدورتسنج؛ رگرسیون بردار پشتیبان؛ هوش مصنوعی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,127 تعداد دریافت فایل اصل مقاله: 1,257 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 454 |
| تعداد مقالات | 5,767 |
| تعداد مشاهده مقاله | 8,372,492 |
| تعداد دریافت فایل اصل مقاله | 6,930,678 |