عنوان پایان‌نامه
مدل سازی ارتباط میان وضعیت پوشش سرزمین و کیفیت آب سطحی بر روش شبکه عصبی مصنوعی ( منطقه مورد مطالعه : استان گیلان)
- رشته تحصیلی
- مهندسی منابع طبیعی - محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5751;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61080
- تاریخ دفاع
- ۲۹ بهمن ۱۳۹۲
- دانشجو
- ایمان فاتحی
- استاد راهنما
- افشین علیزاده شعبانی, بهمن جباریان امیری
- چکیده
- با ایجاد بحران آب در اکثر نقاط دنیا، مطالعات مرتبط با این مقوله دارای اهمیت زیادی می¬باشند. در این پژوهش، اثر متغیرهای مستقل محیطی شامل کلاس های شش گانه کاربری سرزمین شامل؛ جنگل، کشاورزی، مرتع، شهر، اراضی بایر و پهنه های آبی، گروهای چهارگانه هیدرولوژیک خاک و گروه بندی سازندهای زمین شناسی از لحاظ نفوذپذیری در قالب سه گروه بر روی پارامترهای کیفیت آب سطحی به کمک روش شبکه های عصبی مصنوعی بررسی و مدلسازی گردید. در این پژوهش از روش حذف پس رو در قالب رگرسیون خطی چندمعیاره جهت انتخاب متغیرهای مستقل برگزیده جهت ورود به شبکه عصبی استفاده گردید. نتایج نشان داد که مهمترین متغیر موثر بر پارامتر SAR پهنه های شهری بوده است. همچنین شهر و اراضی زراعی بیشترین تاثیر را بر تغییرات پتاسیم داشته است. پهنه های شهری و اراضی بایر بیشترین تاثیر را بر غلظت سدیم داشته و مناطق شهری بر غلظت منیزیوم نیز بیشترین تاثیر را داشته است. اراضی بایر مهمترین دلیل افزایش غلظت کلسیم و بیکربنات بوده و غلظت سولفات و کلر بیشتر از همه تحت تاثیر پهنه های شهری بوده است. همچنین پهنه های شهری و اراضی زراعی بیشترین تاثیر را بر هدایت الکتریکی آب های سطحی خواهند داشت و در پایان اراضی زراعی مهم ترین دلیل افزایش غلظت جامدات محلول در آب های سطحی مشخص گردیده اند.
- Abstract
- While there is water crisis in most countries in the world, the relevant studies would be very important. In this stuty, the impacts of independent variables, include; six land cover classes; forest, agriculture, rangeland, urban, bare lands and water bodies, four soil hydrologic groups and three geological permeability classes, on water quality parameters, were modeled using Artificial neural networks approach. In this study the multi-variated linear regression backward elimination method was implemented to find out the most correlated independent variables to input the ANN model. The results showed that, urban had the most influence on SAR density values. Also, urban and agricaulture had the most influence on K parameter, as well as the urban and bare lands influence which were the most on Na density values. Urban also had the most influence on Mg density values. Bare lands had been the most effective parameters on Ca and HCO3 parameters, And urban had been also the most effective independent variable for Cl and SO4 parameters. Urban and agriculture had also the most influence on Electrical Conductivity parameter, and finally agriculture was the most influence on Total Disolved Solids density in surface water resources.
