بخشی از مقاله
چکیده
در سالهای أخیر پدیده تغذیهگرایی در اثر ورود مواد مغذی فسفر و نیتروژن خود را به صورت یک معضل جهانی در سیستم های منابع آب سطحی نشان داده است. در این تحقیق شبیهسازی یکی از عوامل اصلی پدیده تغذیهگرایی، یعنی مقدار غلظت فسفر، در رودخانههای جنوبی حوضه دریاچه ارومیه به عنوان تابعی از شش متغیر کیفی آب انجام پذیرفت.
برای این منظور از روش ماشین بردار پشتیبان استفاده گردیده است. نتایج حاصل از شبیهسازی این پارامتر کیفی مهم، مشخص نمود که مدل ماشین بردار پشتیبان به ازای مقادیر بهینه ، و c به ترتیب مساوی 1، 0/491 و 1/801 بهترین عملکرد را برای شبیهسازی غلظت فسفر دارا میباشد. همچنین به ازای مقادیر یاد شده عملکرد مدل در قالب ضریب همبستگی و مقدار مجذور مربعات خطا برای مرحله تست مدل به ترتیب برابر با 0/768 و 0/615 بدست آمد. بنابراین متدولوژی ارائه شده در این تحقیق میتواند ابزار مناسبی جهت تخمین این پارامتر مهم کیفی آب باشد.
مقدمه
اگرچه مواد مغذی برای حیات جانوران و گیاهان ضروری است اما غلظت بیش از حد آنها میتواند باعث زوال کیفیت آب گردد. مهمترین عوامل پدیده تغذیهگرایی در سیستمهای آب سطحی فسفر و نیتروژن گزارش شده است [1]معمولاً. فسفر به عنوان مهمترین عامل تأثیرگذار بر پدیده تغذیهگرایی در منابع آب شیرین مانند دریاچهها و رودخانهها و نیتروژن به عنوان مهمترین عامل در آبهای ساحلی معرفی گردیده است. این پدیده و به دنبال آن افزایش غلظت فیتوپلانکتون ها میتواند کیفیت آب را تحت تأثیر منفی قرار دهد.
مشخصه این پدیده شکوفایی جلبکهای سبز یا سبز آبی و تغییرات شدید اکسیژن محلول میباشد معمولاً محیطهای آبی را برای زندگی زئوپلانکتونها و ماهیها غیرقابل تحمل میکند. محققان اعتقاد دارند که تغذیهگرایی می-تواند ترکیب گونههای یک زیستگاه را دگرگون نماید.
امروزه تغذیهگرایی آبهای شیرین مشکل سراسر دنیا میباشد.[4] در سالهای أخیر غلظت بالای جلبک در بسیاری از دریاچههای ایران نیز گزارش شده است .[5] شکوفایی جلبکی مضر که یکی از پیامدهای تغذیهگرایی است در آبهای سطحی سراسر جهان به کرات مشاهده میشود
به دلیل آنکه فسفر نقش اصلی را در فرآیند تغذیهگرایی و رشد فیتوپلانکتونها درسیستمهای منابع آب رودخانهای دارد در این مقاله توجه ویژهای به آن شده است. البته مطابق برخی پژوهشها عامل اصلی تغذیهگرایی در بعضی دریاچهها ازت میباشد اما ازت اغلب در مناطق ساحلی و دریاها عامل محدود کننده است .
بنابراین مدلسازی حداکثر فسفر نقش برجستهای در اتخاذ تصمیمات صحیح مدیریتی جهت مقابله با پدیده تغذیهگرایی ایفا مینماید. با سیری در مطالعات مشخص میشود که روشهای متعددی برای مدل-سازی پارامترهای کیفیآّب مورد استفاده قرار گرفته است. روشهای مذکور را میتوان به 2 دسته روشهای قطعی و آماری تقسیم نمود. روش های آماری با استفاده از دادههای موجود و تحلیل ارتباط آماری بین آنها، راه کارهای سادهتری برای تخمین پارامترها ارائه میدهند. تا به حال روش های آماری متعددی در زمینه پیشبینی پارامترهای مهم منابع آب استفاده شده که از جمله آن می-توان به ماشین بردارپشتیبان - SVM - 1 اشاره کرد.
این روش اولین بارتوسط وپنیک - 1995 - ریاضیدان روسی ارائه شد. در سال 2006، پائو- شان یو و همکاران به پیشبینی زمان واقعی دبی پایه با استفاده از SVM پرداختند .[6] همچنین در همین سال شی- یو ای لیونگ و همکاران از SVM در پیشبینی سریهای زمانی هیدرولوژیکی استفاده کردند .[7] گو- فنگ لی در سال 2009 مدلهایی برای پیشبینی جریانهای ورودی ساعتی به مخازن در طول طوفان سخت دریای چین با استفاده از روش SVM ارائه نمودند.[8]
کارآموز وهمکاران [9] بهرهبرداری مخازن احتمالی با استفاده از مدل استوکستیک بایسین2 و SVM را بررسی کردند. در سال 2010 کانگ- کان لی، مقایسهای بین شبکه عصبی مصنوعی 43و SVM برای پیشبینی کردن سطوح آب-
های زیرزمینی آبخوانهای ساحلی انجام دادند .[10] ازگار کیسی و همکاران [11] جریان ماهانه رودخانه را با استفاده از مدل پیوستگی SVM پیشبینی نمودند.
اطلاعات مسئله و منطقه مورد مطالعه
دریاچه ارومیه در شمال غرب ایران، بین استانهای آذربایجان شرقی و غربی واقع شده است. این دریاچه با مساحتی بالغ بر 5822 کیلومترمربع دررقوم 1277/88 قرار گرفته و بیستمین دریاچه جهان از لحاظ وسعت محسوب میگردد. طول دریاچه از 130 تا 146 کیلومتر متغیر بوده و عرض دریاچه در پهنترین قسمت 58 کیلومتر و در کم عرضترین قسمت آن 15 کیلومترمربع میباشد.
وسعت حوضه آبریز دریاچه ارومیه 52355 کیلومترمربع است. ایستگاههای مورد مطالعه در این تحقیق در رودخانههای جنوبی دریاچه ارومیه شامل چم سقز، جیغاتوچای، زرینهرود، چمخورخوره، ساروق، دونگه، چم قرهقیه، اخچه، شنختلوچای، آجرلوچای و لیلانچای میباشد. جهت مدلسازی فسفر در رودخانههای مذکور از اطلاعات 33 ایستگاه شامل پارامترهای ورودی اکسیژن محلول حداکثر و متوسط، نیتروژن حداکثر و متوسط، هدایت الکتریکی حداکثر و متوسط، درحوضه دریاچه ارومیه استفاده نموده-ایم.
مواد و روشها
در این مقاله تنها به شرح خلاصهای از مدل مورد استفاده SVM به نام -SVM اکتفا میشود. در مدل رگرسیونی SVM لازم است وابستگی تابعی متغیر وابسته y به مجموعهای از متغیرهای مستقل x تخمین زده شود. فرض بر این است که مانند دیگر مسائل رگرسیونی، رابطه بین متغیرهای وابسته و مستقل توسط رابطه ای مانند - - y=f - x - +noise تعریف شود. بنابراین موضوع اصلی پیدا کردن فرم تابع f است که بتواند به صورت صحیح الگوهای جدیدی را که SVM تاکنون تجربه نکرده است، پیشبینی کند.
این تابع بوسیله آموزش مدل SVM بر روی یک مجموعه داده به عنوان مجموعه آموزش که شامل پروسهای جهت بهینه-سازی دائمی تابع خطا میباشد، قابل دسترسی است. در این مطالعه مدل -SVM که به دلیل کاربرد گسترده آن در مسائل رگرسیونی استفاده میشود بکار گرفته شده است . برای این مدل تابع خطا به صورت زیر تعریف میشود:
2 ضرایب کمبود، b ضریبی ثابت و N
الگوهای آموزش مدل و نهایتاً تابع کرنل میباشد. تابع کرنل RBF به عنوان بهترین انتخاب از بین دیگر توابع کرنل گزارش شده است . بنابراین در این تحقیق، تابع مذکور که توسط در معادله - 3 - تعریف گردیده به کار گرفته شده است.
با توجه به معادلات - 1 - تا - 3 - لازم است برای شبیه سازی حداکثر فسفر توسط مدل SVM ، سه پارامتر و C بهینه شوند.
