-
شماره راهنما
پ.ع.م. 65
-
پديد آورنده
زرين تن،نويد
-
عنوان
پيش بيني و مدل سازي خواص فيزيكي و شيميايي منابع آب زيرزميني حوضه شرقي درياچه اروميه با استفاده از مدل شبكه عصبي مصنوعي
-
عنوان به انگليسي
Prediction and modeling of physical and chemical properties of groundwater sources in the eastern basin of Lake Urmia using artificial neural network model
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي عمران گرايش محيط زيست
-
محل تحصيل
دانشگاه پيام نور مركز شيراز
-
سال تحصيل
1403
-
تاريخ دفاع
1403/11/14
-
وضعيت پايان نامه
CD
-
مشخصات ظاهري
ي،73صص
-
استاد راهنما
اسراري،الهام
-
استاد مشاور
-
-
كتابنامه
63-71صص
-
شناسه هاي افزوده
دانشگاه پيام نور مركز شيراز
-
چكيده
كيفيت آب زيرزميني يك جنبه حياتي از منابع آب است كه به طور قابل توجهي بر سلامت انسان، محيط زيست و توسعه اقتصادي تأثير مي گذارد. اين به ويژگيهاي فيزيكي، شيميايي و بيولوژيكي آب هاي زيرزميني اشاره دارد كه ميتواند به طور گسترده اي بر اساس مكان و فعاليتهاي اطراف متفاوت باشد. شاخص كيفيت آب آبياري ابزار جامعي است كه براي ارزيابي كيفيت آبهاي زيرزميني، به ويژه براي اهداف آبياري استفاده مي شود. اين شاخص پارامتر فيزيكي و شيميايي را براي ارائه يك مقدار عددي واحد در ارتباط با كيفيت آب را نشان ميدهد و تصميمگيري آسانتر را براي مديريت كشاورزي و زيستمحيطي تسهيل ميكند. در اين مطالعه جهت تعيين كيفيت آب زير زميني و مدلسازي مكاني و زماني آن، از شاخص كيفيت آب (WQI) استفاده گرديد. با توجه به اهميت مطالعاتي درياچه اروميه، منطقه مورد مطالعه 54 ايستگاه از حوضههاي شرق درياچه اروميه و بازه زماني 1387 تا 1400 انتخاب شد. جهت انجام اين تحقيق ابتدا شاخص كيفيت آب (WQI)با استفاده از پارامترهاي شيميايي موجود براي هر ايستگاه به صورت سالانه تعيين و سپس با استفاده از مدل درونيابي معكوس فاصله تغييرات مكاني و زماني تفسير گرديد. سپس با استفاده از دو مدل شبكه عصبي مصنوعي (ANN) و هيبريد حافظه كوتاه مدت طولاني و شبكه عصبي كانولوشن (CNN-LSTM) شاخص WQI براي سال بعد پيش بيني شد. به منظور ارزيابي عملكرد مدلهاي استفاده شده از سه شاخص R2، RMSE و NSE استفاده شد. نتايج مدلسازي مكاني و زماني نشان داد، شاخص WQI در ناحيه شمال شرقي درياچه اروميه و در سال 1400 افزايش يافته و در محدوده خيلي ضعيف قرار گرفته است. از طرفي ارزيابي دو مدل پيش بيني نشان داد كه مدل CNN-LSTM با RMSE برابر با 88/46، R2 برابر با 92/0 و NSE برابر با 79/0 در مقايسه با مدل ANN با RMSE برابر با 09/71، R2 برابر با 71/0 و NSE برابر با 51/0 عملكرد بالايي داشته و شاخص WQI سالانه را با دقت بالايي پيش بيني ميكند.
-
تاريخ نمايه سازي
1404/07/22
-
نام نمايه ساز
منظر جعفري
-
شماره ركورد
78981
-
لينک به اين مدرک :