عنوان پایان‌نامه
بکارگیری مدل فازی- عصبی برای پیش بینی اثرات فاضلاب شهری بر کیفیت رودخانه بابلرود
- رشته تحصیلی
- مهندسی محیط زیست -آب وفاضلاب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 893;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 54935
- تاریخ دفاع
- ۰۶ آذر ۱۳۹۰
- دانشجو
- ایمان اصغرنیاکبریا
- چکیده
- چکیده در این پایان نامه آموزش، اعتبار سنجی و کاربرد مدل شبکه فازی- عصبی برای پیش بینی میزان اسیدیته (pH)، اکسِژن محلول (DO)، اکسِژن بیولوژیکی مورد نیاز (BOD) و اکسِژن شیمیایی مورد نیاز (COD) در رودخانه بابلرود در منطقه مازندران بررسی و مطالعه می شود. الگوریتمیادگیریدرختمدلخطیمحلی(LoLiMoT) برای پیش بینی میزان pH و غلظت ¬های DO، BOD و COD آموزش و اعتبارسنجی و تست گردید. ورودی مدل برای هر پارامتر مذکور تعداد پنجاه و هفت عدد می باشد که به واسطه پایش آب رودخانه بابلرود در طول هجده ماه بطور ماهانه در هر ده روز از سه ایستگاه جمع آوری گردید. خواصقابلتوجهمدلفازیعصبیخطیمحلی،شفافیتوساختارذهنیآناستکهامکاناستفادهازروشسریعحداقلمربعاتدربهینهسازیپارامترهایتالیقوانینواستفادهازروشهاییادگیریافزایشیدرختیرابرایپارامترهایمقدمقوانینفراهممیکند. کارایی شبکه فازی - عصبی با خطای مجموع مربعات و بایاس محاسبه شده از مقادیر ورودی و پیش بینی شده مورد سنجش قرار می¬گیرد.مقادیر پیش بینی شده توسط مدل شبکه فازی - عصبی تطابق خوبی با مقادیر اندازه گیری شده حقیقی داشته است. این الگوریتم در مقایسه با مدل های دیگر در زمینه پیش بینی از صحت بسیار خوبی برخوردار می باشد و کاراییبهترودقیقتراینمدلرانشانمیدهد. کلمات کلیدی: شبکه فازی- عصبی، LoLiMoT، بابلرود، پیش بینی، کیفیت آب
- Abstract
- Abstract The thesis describes the training, validation and application of neuro-fuzzy network (NFN) model for prediction of the acidity (pH), dissolved oxygen (DO), biochemical oxygen demand (BOD) and chemical oxygen demand (COD)levels in the Babol-river (Iran-Mazandaran). The Locally Linear Model Tree (LoLiMoT) identified, validated and tested for prediction of DO, BOD and COD concentrations andvalue of the pH in the Babol river water. The model employed fifty-seven inputsfor each related parameters of water quality that measured in river water over a period of 18 months each month (each ten days) at three different sites. The performance of the NFN models was assessed through the mean square error (MSE) and bias computed from the measured and model-predicted values of the dependent variables. The model predicted values of pH, DO, BOD and COD by the NFN models were in close agreement with their respective measured values in the river water. Relative importance and contribution of the input variables to the model output was evaluated through the partitioning approach. The developed models can be used as tool for the water or wastewater quality prediction. Keywords: Neuro-Fuzzy, Prediction, water Quality, Babol-river
