تعداد نشریات | 23 |
تعداد شمارهها | 368 |
تعداد مقالات | 2,890 |
تعداد مشاهده مقاله | 2,566,240 |
تعداد دریافت فایل اصل مقاله | 1,821,898 |
پیشبینی سلامت حوضه آبخیز بر پایة متغیّرهای کیفیّت آب سطحی (مطالعه موردی: حوضه آبخیز طالقان) | ||
جغرافیا و پایداری محیط | ||
مقاله 1، دوره 8، شماره 1 - شماره پیاپی 26، اردیبهشت 1397، صفحه 1-13 اصل مقاله (1.19 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
پیام ابراهیمی* 1؛ علی سلاجقه2؛ محسن محسنی ساروی2؛ آرش ملکیان3؛ امیر سعدالدین4 | ||
1دانشآموختة دکتری علوم و مهندسی آبخیز، دانشگاه تهران، تهران، ایران | ||
2استاد علوم و مهندسی آبخیز، دانشگاه تهران، تهران، ایران | ||
3دانشیار علوم و مهندسی آبخیز، دانشگاه تهران، تهران، ایران | ||
4دانشیار آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
چکیده | ||
کیفیّت آب سطحی، یکی از معیارهای مهمّ تعیین سلامت حوضه آبخیز است؛ بهگونهای که تغییرات آن، تعیینکنندة وضعیّت سلامت و در نتیجه، پایداری جوامع محیطی و انسانی است. با توجّه به اینکه در دهة اخیر، بر اثر مصرف بیش از حدّ منابع آب و آلودگی، این متغیّر حیاتی دچار تغییر شده است؛ بنابراین، اطّلاع از وضعیّت آن در سالهای آتی میتواند نقش مهمّی در برنامهریزی محیطی و پایداری جغرافیای انسانی داشته باشد. حوضة آبخیز طالقان واقع در استان البرز، یکی از مناطقی است که دچار این تغییرات شده است. در پژوهش حاضر، با استفاده از اطّلاعات ایستگاه هیدرومتری گلینک و مقادیر 10 پارامتر کیفیّت آب (کلسیم، منیزیم، اسیدیته، سدیم، مجموع موادّ انحلالی، هدایت الکتریکی، کلر، سولفات، پتاسیم، سولفات و بیکربنات) در سالهای (1395-1369)، وضعیّت سلامت این حوضه با استفاده از مدل برنامهریزی بیانژن، مورد ارزیابی قرار گرفت. دادههای سالهای (1384-1369)، (1392-1385)، (1395-1393)، بهترتیب، بهعنوان دادة آموزش، آزمون و بررسی میزان خطا در نظر گرفته شد و حداقل یک سال آبی از مهر 1396 تا پایان شهریور 1397، بهعنوان دادههای پیشبینی با استفاده از الگوریتم به میزان میانگین همبستگی87/0 و ریشه میانگین مربعات خطا 003/3 میلیگرم در لیتر برازش داده شد. داده های مورد استفاده، به دو صورت نرمالشده و واقعی مورد بررسی قرار گرفتند. نتایج نشان داد با استفاده از آموزش صورتگرفته در مدل، میتوان مقادیر متغیّرهای کیفیّت آب سطحی حوضة آبخیز طالقان را از راه بررسی الگوی دادهها با دقّت قابل قبولی پیشبینی کرد. در مجموع، دقّت مدل، زمانی که دادهها نرمالسازی شدهاند، به نسبت دادههای واقعی بهطور متوسّط به میزان 10/0 در مقادیر R2 کمتر بوده است. | ||
کلیدواژهها | ||
بیانژن؛ حوضة آبخیز؛ سلامت؛ طالقان؛ کیفیّت آب | ||
مراجع | ||
ابراهیمی، پیام (1396) بررسی و مدلسازی روند تغییرات شاخصهای سلامت و پایداری حوضة آبخیز (مطالعة موردی: حوضة آبخیز طالقان)، رسالة دکتری علوم و مهندسی آبخیز، گرایش آب، اساتید راهنما: علی سلاجقه و محسن محسنی ساروی، دانشگاه تهران، تهران. امامقلیزاده، صمد؛ کریمی دمنه، راضیه؛ اژدری، خلیل (1395) مقایسة روشهای متداول برآورد بار رسوب معلّق رودخانة کرخه با روش برنامهریزی بیانژن، جغرافیا و توسعه، 14 (45)، صص. 140-121. باباعلی، حمیدرضا؛ دهقانی، رضا (1396) مقایسة مدلهای هوشمند در تخمین بارش ماهانة حوضة کاکارضا، اکوهیدرولوژی، 4 (1)، صص. 11-1. برجی حسن گاویار، مسلم؛ مقدمنیا، علیرضا؛ ساجدی، فرزانه (1396) بررسی کارایی دو روش داده محور در پیشبینی بارندگی ماهانه، پژوهشهای دانش زمین، 8 (31)، صص. 61-42. بهمنش، جواد؛ مصطفوی، سمیه؛ زمانزاد قویدل، سروین (1396) استفاده از محاسبات نرم در پیشبینی و برآورد دبی جریان و بررسی جریان زیستمحیطی (مطالعة موردی: رودخانة خرخره چای)، نشریة مهندسی عمران و محیطزیست، 47 (3)، صص. 22-9. حقیقتجو، پرویز؛ محمدزاده شاهرودی، زهرا؛ محمدرضاپور، ام البنی (1396) مقایسه روشهای سیستم استنتاج عصبی-فازی و برنامهریزی بیانژن در برآورد تبخیر از تشتک (مطالعة موردی: استان خراسان جنوبی)، نشریة حفاظت منابع آبوخاک، 6 (4)، صص. 117-107. دهقانی، رضا؛ قربانی، محمدعلی؛ تشنهلب، محمد؛ ریختهگر غیاثی، امیر؛ اسدی، اسماعیل (1394) مقایسه و ارزیابی مدلهای شبکه عصبی بیزین، برنامهریزی بیانژن، ماشین بردار پشتیبان و رگرسیون خطی در تخمین بده جریان؛ مطالعه موردی حوضه صوفی چای، مهندسی آبیاری و آب، 5 (20)، صص. 85-66. زمانی، رضا؛ احمدی، فرشاد؛ رادمنش، فریدون (1393) مقایسة روشهای برنامهریزی بیانژن، سری زمانی غیر خطّی، خطّی و شبکة عصبی مصنوعی در تخمین دبی روزانه (مطالعة موردی: رودخانة کارون)، نشریه آبوخاک، 28 (6)، صص. 1182-1172. ستاری، محمدتقی؛ میرعباسی نجفآبادی، رسول؛ عباسقلی نایبزاد، مهدی (1396) استفاده از دادهکاوی در پیشبینی کیفیّت آبهای سطحی (مطالعة موردی: رودخانههای دامنة شمالی سهند)، اکوهیدرولوژی، 4 (2)، صص. 419-407. سلگی، اباذر؛ زارعی، حیدر؛ گلابی، محمدرضا (1396) بررسی عملکرد مدل برنامهریزی بیانژن با روشهای پیشپردازش دادها جهت مدلسازی جریان رودخانه، پژوهشهای حفاظت آبوخاک، 24 (2)، صص. 201-185. قبادیان، رسول؛ قربانی، محمدعلی؛ خلج، معصومه (1392) بررسی عملکرد روش برنامهریزی بیان ژن در روندیابی سیلاب رودخانة زنگمار در مقایسه با روش موج دینامیکی، نشریة آبوخاک، 27 (3)، صص. 602-592. قربانی، محمدعلی؛ دهقانی، رضا (1395) کاربرد شبکهای عصبی بیزین، ماشین بردار پشتیبان و برنامهریزی بیانژنی در تحلیل بارش رواناب ماهانه (مطالعة موردی: رودخانة کاکارضا)، علوم و مهندسی آبیاری، 39 (2)، صص. 138-125. قربانی، محمدعلی؛ دهقانی، رضا (1396) مقایسة روشهای شبکة عصبی بیزین، شبکه عصبی مصنوعی و برنامهریزی بیانژن در تحلیل کیفیّت آب رودخانهها (مطالعة موردی: رودخانه بالخلوچای)، پژوهشنامة مدیریت حوضة آبخیز، 8 (15)، صص. 24-13. قربانی، محمدعلی؛ صالحی، ابوذر (1390) استفاده از برنامهریزی بیانژن در بررسی تغییرات دادههای کیفی آب زیرزمینی با نوسانات سطح آب در دشت برخوار اصفهان، ششمین کنگرة ملّی مهندسی عمران، سمنان، دانشگاه سمنان، https://www.civilica.com/Paper-NCCE06-NCCE06_0098.html Ahn, S. R., Kim, S. J. (2017) Assessment of Integrated Watershed Health Based on the Natural Environment, Hydrology, Water Quality, and Aquatic Ecology, Hydrol. Earth Syst. Sci., 21, 5583-5602. Fithriasari, K., Brodjol, N., Sutikno, U., Kuswanto, H. (2013) Prediction of Hourly Rainfall Using Bayesian Neural Network with Adjusting Procedure, The Third Basic Science International Conference, M24, pp. 1-5. Grosel, P., Zadnik Stirn, L. (2015) The Environmental Management Problem of Pohorje, Slovenia: A New Group Approach within ANP - SWOT Framework, Environ Manage, 161, pp. 106-112. Karimi, S., Shiri, J., Kisi, O., Shiri, A. A. (2015) Short-Term and Long-Term Stream Flow Prediction by Using 'Wavelet-Gene Expression' Programming Approach, ISH Journal of Hydraulic Engineering, 22 (2), pp. 1-15. Petousis, P., Han, S. X., Aberle, D., Bui, A. A. (2016). Prediction of Lung Cancer Incidence on the Low-Dose Computed Tomography Arm of the National Lung Screening Trial: A Dynamic Bayesian Network, Artif Intell Med, 72, pp. 42-55. Terzi, O. (2013) Daily Pan Evaporation Estimation Using Gene Expression Programming and Adaptive Neural Based Fuzzy Inference System, Neural Computing and Applications, 23 (3-4), pp. 1035-1044. Yahya, S. M., Rahman, A. U., Abbasi, H. N. (2012) Assessment of Seasonal and Polluting Effects on the Quality of River Water by Using Regression Analysis: A Case Study of River Indus in Province of Sindh, Pakistan, International Journal of Environmental Protection, 2 (2), pp. 10-16. Yassin, M. A., Alazba, A. A., Mattar, M. A. (2016) Artificial Neural Networks Versus Gene Expression Programming for Estimating Reference Evapotranspiration in arid Climate, Agricultural Water Management, 163, pp. 110-124. | ||
آمار تعداد مشاهده مقاله: 887 تعداد دریافت فایل اصل مقاله: 586 |