- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 284 |
| تعداد نشریات سازمان | 83 |
| تعداد شماره‌ها | 2,644 |
| تعداد مقالات | 30,248 |
| تعداد مشاهده مقاله | 20,346,807 |
| تعداد دریافت فایل اصل مقاله | 14,704,982 |
ارزیابی مدلهای تلفیقی هوش مصنوعی در تخمین غلظت مواد جامد محلول در بالادست شهر ساری | ||
| مهندسی و مدیریت آبخیز | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 30 مهر 1402 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2023.358863.1975 | ||
| نویسندگان | ||
| علیرضا قائمی1؛ سارینا کیخا2؛ مهدی اژدری مقدم* 3 | ||
| 1دانشجو مقطع دکتری مهندسی عمران دانشگاه سیستان و بلوچستان | ||
| 2گروه مهندسی عمران، دانشکده شهید نیکبخت، دانشگاه سیستان و بلوچستان | ||
| 3دانشیار گروه مهندسی عمران دانشگاه سیستان و بلوچستان | ||
| چکیده | ||
| تخلیه فاضلاب، زباله و کودهای شیمیایی در روستاهای حاشیه رودخانه ها از مهمترین منابع آلودگی کیفیت آب به شمار میرود. حجم ورود پسابهای شهری و کشاورزی به این روخانه باعث افزایش مقادیر آلایندهها شده بطوریکه در بازه سالهای 1372 تا انتهای سال 1396، میانگین آلاینده های موجود در ایستگاه ورند برای سه آلاینده مواد جامد محلول، کلر و سدیم به ترتیب برابر 49/507، 16/2 و 47/2 بوده است. بنابراین، برآورد دقیق پارامترهای کیفیت آب یک نیاز اساسی برای مدیریت کیفیت آب، سلامت انسان، مصرف عمومی و مصارف خانگی است. لذا در این پژوهش، از تلفیق دو مدل برنامه نویسی بیان ژن (GEP) و شبکه عصبی مصنوعی(ANN) با یکی از الگوریتم پیش پردازش داده بنام EMD برای تخمین یکی از پارامتر مهم کیفیت آب بهنام مواد جامد محلول (TDS) استفاده شد. نتایج حاصل از این مطالعه نشان داد که مدل ترکیبی حاصل از برنامه نویسی بیان ژن و تجزیه مود تجربی (EMD-GEP) توانست با کمترین خطا (231/0RSD= و 413/24RMSE=) عملکرد بالاتری را در مقایسه با سایر مدل‌ها مانند مدل GEP (447/0RSD= و 270/47RMSE=) در تخمین این پارامترکیفی آب داشته باشد. علاوه بر این، مدل ترکیبی حاصل از شبکه عصبی مصنوعی و تجزیه مود تجربی (EMD-ANN) با 646/36 RMSE= و 956/0R= بعد از EMD-GEP در رتبه دوم قرار گرفت. | ||
| کلیدواژه‌ها | ||
| الگوریتم‌های پیش پردازش داده‌ها؛ برنامه نویسی بیان ژن؛ شبکه عصبی مصنوعی؛ رودخانه تجن | ||
| عنوان مقاله [English] | ||
| Evaluation of integrated artificial intelligence models in estimating total dissolved solid concentrations in the upstream of Sari city | ||
| نویسندگان [English] | ||
| Alireza Ghaemi1؛ Sarina Keikha2؛ Mahdi Azhdary Moghaddam3 | ||
| 1Department of Civil Engineering, University of Sistan and Baluchestan, Zahedan, Iran | ||
| 2Department of Civil Engineering, University of Sistan and Baluchestan, Zahedan | ||
| 3Department of Civil Engineering, University of Sistan and Baluchestan, Zahedan | ||
| چکیده [English] | ||
| The discharge of sewage, garbage and chemical fertilizers in the villages along the rivers is one of the most important sources of water quality pollution. The amount of urban and agricultural wastewater entering this surface has caused an increase in the amount of pollutants, so that in the period of 1993 to the end of 2017, the average amounts the three pollutants of total dissolved solid, chlorine and sodium in Varand station are respectively 507.49, 2.16 and 2.47. Therefore, accurate estimation of water quality parameters is a basic requirement for water quality management, human health, public consumption and domestic use. Therefore, in this research, the combination of two artificial intelligence models namely gene expression programming models (GEP) and artificial neural network (ANN) with one of the data preprocessing algorithms called EMD was used to estimate one of the important parameters of water quality called dissolved solids (TDS). The results of this study showed that the combined model of gene expression programming and experimental mode analysis (EMD-GEP) was able to perform better with the lowest error (RSD=0.231 and RMSE=24.413) compared to other models such as GEP model (RSD = 0.447 and RMSE = 47.270) has success in estimating this qualitative parameter. In addition, the integrated model of artificial neural network and empirical mode decomposition (EMD-ANN) with RMSE = 36.646 and R = 0.956 had been stood at the second rank. | ||
| کلیدواژه‌ها [English] | ||
| Data pre-processing algorithms, gene expression programming, artificial neural network, Tajan River | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 70 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب