بخشی از مقاله
خلاصه
با توجه به محدودیتهاي آب و اهمیت حفاظت از آن، مدیریت کیفی منابع آب سطحی بویژه رودخانهها بدلیل قرار گرفتن در معرض مستقیم انواع آلایندهها از اهمیت بیشتري برخوردار میباشدگهلذا این تحقیق به منظور تخمین دقیق کل مواد جامد محلول بالخلوچايههبهعنوان یکی از مهمترین آلایندهها با استفاده از مدلهاي نوین ماشین بردار پشتیبان و شبکه بیزي و برنامهریزي بیان ژن طی دوره آماري هگخنگآممنگاهانجام شدگهدادههاي کیفی شامل پارامترهاي سدیم، کلسیم، منیزیم، سولفات، کلرید هیدروژنهکربنات ، PH، دبی جریان و ECهدر مقیاس زمانی ماهانه جهت تخمین TDSهاستفاده گردیدگهپس از استخراج نتایج بهینه، بررسی و مقایسه مدلهها،هعلاوه بر تأیید قابلیت و دقت بالاي هر سه مدل،هنشان داد کههبرنامه-ریزي بیان ژن بیشترین دقت را در تخمین کل مواد جامد محلول بالخلوچاي داشته است
کلمات کلیديلربالخلوچاي، برنامهریزي بیانرژن، تخمین، شبکه بیزي، ماشین بردار پشتیبان
1. مقدمه
کل مواد جامد محلول در آبه - گ - TDSهعاملی مهم و موثر در کیفیت آب، تبدیل شیمیایی و یونیزه شدن مواد وهبرابر مجموع غلظت همه یونهاي موجود در آب میباشدهکه ممکن استهاز نظر ماهیت، آلی یا معدنی باشندگهشناخت، مدلسازيهو ارزیابی کیفیت آب بویژه پارامتر TDSهبه منظور حفظ منابع حیاتی آب و جلوگیري از آلودگی آنها، از اهمیت ویژهاي برخوردارهمیباشدگهانتخاب مدلی مناسب و بهینه افزایش دقت شبیهسازي پارامترهاي کیفی را به همراه خواهد داشتگهمدلهاي ریاضی و عددي داراي محدودیتهایی از جمله تعداد مشخصهها و تاثیرگذاري متقابل آنها بر یکدیگر میباشند ]گ[،هلذا لزوم توسعه مدلهاي تخمینی پارامترهاي کیفی شامل ماشین بردار پشتیبان، شبکه بیزي و برنامهریزي بیان ژن مشخص میگرددگ هتاکنون تحقیقاتی متنوعی جهت تخمین پارامترهاي کیفی ازجمله TDSهصورت گرفته است
گهاسکندري و همکاران هؤمنگاهمدلهايهشبکه عصبی مصنوعی و ماشین بردار پشتیبانهراهبراي تخمین بهنگام اکسیژن خواهی بیوشیمیایی پنج روزه هBOD5اهبعنوان شاخص آلودگی آب در رودخانه سفیدرود مورد مقایسه قرار دادند و عملکرد بهتر ماشین بردار پشتیبان را نتیجههگرفتند]چ[گهنصیراحمدي و همکارانههگؤنگاهپارامترهاي کیفی آب رودخانه هراز را در چندهایستگاه مورد بررسی قرار دادندگهنتایج حاصلهنشاندهنده تغییرات زیاد میزان پارامترهاي کدورت، نیترات، فسفات درهرودخانه هراز بود]ن[گهفرمانی و همکاران هؤططچاهبا شبکههاي بیزي به مدیریت بهینه آلودگی آبهاي زیرزمینی در کپنهاگ پرداختندگهنتیجه به دست آمده حاکی از موفقیتآمیز بودن
زلتا غلفاردیبهشت تشمل
کاربرد الگوهاي شبکه بیزي در مدیریت آلودگی آبهاي زیرزمینی منطقه بوده است]ع[گههانگ و همکارانههطگطچاهعملکرد مدل ماشین بردار پشتیبان با تابع کرنل پایه شعاعیگهرا به منظور ارزیابی کیفیت آب دریاچه تاي مورد بررسی قرار دادندگهنتایج بیانگر عملکرد خیلی خوب ماشین بردار پشتیبان در ارزیابیهکیفیت آبهاین دریاچه می باشد]خ[گهموسوي و همکارانههگگطچاهجهت تخمین غلظت نیترات در رودخانه زاینده رود در اصفهان با کاربرد مدل ماشین بردار پشتیبان و روش رگرسیون فازي پارامترهاي بیکربنات، کلسیم، منیزیم، سختی و هدایت الکتریکی را به عنوان ورودي در نظر گرفتند که براساس معیارهاي ارزیابی برتري ماشین بردار پشتیبان اثبات گردید]لا[گهنیکو و همکارانههچگطچاهبه پهنهبندي کیفیت آب زیرزمینی در تهران با مدل ماشین بردار پشتیبان و روش استنتاج فازي پرداختندگهسپس این دو مدل را با تکنیک طبقه بندي فازي مورد مقایسه قرار دادههو در نهایت با توجه به نتایج بدست آمده
،هاز مدل ماشین بردار پشتیبان جهتهپهنهبندي منطقه مورد مطالعه استفاده کردند]ن[گهمهاجرانی و همکاران هنگطچاهبا کاربرد شبکه بیزي در مدیریت بهرهبرداري از آب زیرزمینی، اظهار داشتند که استفاده از شبکه بیزي در مدیریت بهرهبرداري از منابع آب زیرزمینی میتواند کمک شایانی به مدیران و برنامهریزان به منظور برنامهریزي و مدیریت صحیح منابع آب بنماید]م[گهرفا و همکاران هنگطچاهمدل بهینه الگوریتم ژنتیک را بهمنظور تعیین میزان بهینه جریان ماهانه رودخانه تیگریسچهاز شاخههاي رودخانه دجله و افزایش کیفیت رودخانه ماسیاننهو با تغییر طگ و طچهدرصد TDS، ECهو BODهبهکار برده، و حداقل میزان قابل قبول همقدار مجازاهاین پارامترها را مشخص کردند]ؤ[گهاز دیگر تحقیقات انجام شده در این زمینه و با مدلهاي مذکور نیز میتوان تحقیقات ]طگ[،]گگ[هو ]چگ[هرا نام برد این تحقیق با هدف تخمین کل مواد جامد محلول رودخانه بالیخلوچايههطولانیهترین رود استان اردبیلاهازروي پارامترهاي کیفی سدیم، کلسیم، منیزیم، سولفات، کلرید هیدروژنهکربنات ، PH، دبی جریان و ECهدر مقیاس زمانی ماهانه، با استفاده از مدلهاي ماشین بردار پشتیبان، شبکه بیزي و برنامهریزي بیان ژن انجام شد
2. منطقه مورد استفاده و دادههاي مورد استفاده
حوضه آبریز بالخلوچايهدر جنوب غربی شهرستان اردبیلهبا مساحتی بالغ بر ععطگهکیلومترمربع،هلاهدرصد از سطح استان را به خود اختصاص دادههاست وه یکی از مهمترین حوضههاي آبریز داخل استان اردبیل محسوب میشودگهاین حوضه بین مختصات جغرافیاییه″مگهشلاعœنخهتا ″چعهشچگهœعخهطول شرقی وه ″نچهشگخهœننهتاهه″ؤگهشخگهœمنهعرض شمالی در جنوب کوهستان سبلانهقرار گرفته استگهرودخانه اصلیهاین واحدهبه طول ملاهکیلومترهبوده و پس از الحاق به رودخانه قرهسو از منطقه اردبیل خارج میشود و نهایتا توسط رودخانه ارس به دریاي خزر منتهی میگرددگهموقعیت حوضه بالخلوچايهدر شکل هگاهنشان داده شده استگهه طمهدر صد هؤؤطگرکوردا، از پارامترهاي کمی و کیفی ماهانه رودخانه بالخلوچايهطی دوره آماري هگخنگآهممنگاهبه صورت تصادفی به منظورآموزش مدل ها و طچهدر صد هلانچرکوردا، جهت صحتسنجی انتخاب گردیدگهدر جدول هگاهخصوصیاتهآماريهاین پارامترها ارائه شده است
3. مواد و روشها
1.3. ماشین بردار پشتیبان
ماشین بردار پشتیبان یک سیستم یادگیري کارآمد برمبناي تئوري بهینهسازي مقید است، از اصل استقراي کمینه سازي خطاي ساختاري استفاده کرده و منجر به یک جواب بهینه کلی میگرددگهاولین کاربرد این روش در مسائل آب توسط دیباك و همکاران در سال گططچهبا مدلسازي بارندگیآهرواناب ارائه شدگهاین روش از جمله روشهاي نسبتا جدیدي است که در سال هاي اخیر کارایی خوبی نسبت به روشهاي قدیمیتر براي دستهبندي و رگرسیون از جمله شبکههاي عصبی چند لایه پرسپترون نشان داده استگهدر مدل رگرسیون SVMهتابعی مرتبط با متغیر وابسته Yهکه خود تابعی از چند متغیر مستقل x است بر آورد میشودگهمشابه سایر مسائل رگرسیونی فرض میشود که رابطه میان متغیرهاي مستقل و وابسته با تابع جبري مانند - f - x هبه علاوه مقداري اغتشاش هخطاي مجاز εهاهمشخص شود.
