جستجو در مقالات منتشر شده


3 نتیجه برای ارشیا
بررسی روند تغییرات کیفیت منابع آب زیرزمینی و ارزیابی شاخص IRWQIGC در بالادست سد زاینده‌رود
حسن ترابی پوده، حجت الله یونسی، آزاده ارشیا،
جلد 24، شماره 2 - ( علوم آب و خاک- تابستان 1399 )
چکیده
آگاهی از کیفیت منابع آب زیرزمینی که بزرگ‌ترین ذخیره‌ قابل‌ دسترس آب شیرین زمین هستند، یکی از نیازهای مهم و ضروری در برنامه‌ریزی و توسعه منابع آب است. هدف از این تحقیق، بررسی روند تغییرات کیفیت منابع آب زیرزمینی در آبخوان‌های بالادست سد زاینده‌رود در بازه زمانی (1395-1374) و بررسی کیفیت آب از نظر مصارف شرب و کشاورزی و ارزیابی شاخص IRWQIGC است. بدین منظور پارامترهای EC، TDS، SAR، pH، TH، Cl، CO3، Ca، Mg، Na، K، HCO3، NO3 و عناصر سنگین شامل روی، مس، سرب، کادمیوم و آرسنیک نمونه ­های آزمایشگاهی مورد بررسی قرار گرفتند. در آبخوان‌های بالادست سد زاینده‌رود، طبقه‌بندی آب از نظر کشاورزی بیشتر در محدوده‌ C2-S1 است و از نظر شرب بیشتر در طبقات قابل ‌قبول و خوب است. میزان عناصر سنگین در حد مجاز است. مقدار متوسط نیترات در آبخوان‌های چهل‌خانه، دامنه- ‌داران، بوئین‌میاندشت و چادگان به‌ترتیب 43/77، 48/08، 35/53 و 26/36 میلی‌گرم در لیتر و البته بیشینه مقدار نیترات در این مناطق، اغلب فراتر از حد مجاز رفته است. پهنه‌بندی نیترات و شاخص IRWQIGC با روش کریجینگ انجام شد. کمترین مقدار شاخص که در طبقات به‌نسبت بد قرار می‌گیرد در قسمت‌های جنوب و جنوب شرق بوئین‌میاندشت و جنوب و جنوب غرب چهل‌خانه و نیز در قسمت‌های مرکزی دامنه- ‌داران و جنوب چادگان قرار دارد.

مدل‌سازی و تخمین ابعاد کانال‌های آبرفتی پایدار با استفاده از محاسبات نرم
بابک شاهی نژاد، عباس پارسایی، علی حقی زاده، آزاده ارشیا، زهرا شمسی،
جلد 26، شماره 3 - ( علوم آب و خاک - پاییز 1401 )
چکیده
در این پژوهش به‌منظور تخمین ابعاد هندسی کانال‌های آبرفتی پایدار شامل عرض سطح کانال (w)، عمق جریان (h) و شیب طولی (S) آنها از مدل‌های محاسبات نرم شامل مدل رگرسیون اسپلاین تطبیقی چندگانه (MARS) و مدل دسته‌بندی گروهی داده‌ها (GMDH) استفاده شد و نتایج مدل‌های توسعه داده ‌شده با مدل شبکه عصبی چندلایه (MLP) مقایسه شد. برای توسعه مدل‌ها، پارامترهای دبی جریان (Q)، اندازه متوسط ذرات در کف و بدنه (d50) و همچنین میزان تنش برشی (t) به‌عنوان ورودی و از پارامترهای عرض سطح آب (w)، عمق جریان (h) و شیب طولی (S) به‌عنوان پارامترهای خروجی استفاده شد. مدل‌های محاسبات نرم در دو سناریو بر اساس پارامترهای خام و فرم بی‌بعد پارامترهای مستقل و وابسته، توسعه داده شدند. نتایج نشان داد که با توجه به مشخصات آماری در تخمین w بهترین عملکرد مربوط به مدل MARS است که شاخص‌های آماری دقت آن در مرحله آموزش عبارت از R2=0.902,RMSE=1.666 و در مرحله آزمایش عبارت از  R2=0.844,RMSE=2.317 است. در تخمین عمق کانال، عملکرد هر دو مدل MLP و MARS تقریباً برابر است که هر دو بر اساس فرم بی‌بعد دبی جریان به‌عنوان متغیر ورودی، توسعه داده شدند. شاخص‌های آماری هر دو مدل در مرحله آموزش عبارت از  و در مرحله آزمایش عبارت از   است. بهترین عملکرد مدل‌های توسعه داده ‌شده در تخمین شیب طولی کانال نیز مربوط به هردو مدل MARS و GMDH است که البته به‌صورت جزئی، دقت مدل GMDH با شاخص‌های آماری   در مرحله آموزش و   در مرحله آزمایش بیشتر از مدل MARS است.

شبیه‌سازی و تخمین دبی جریان در فلوم‌های SMBF به کمک مدل‌های محاسبات نرم
بابک شاهی نژاد، عباس پارسایی، حجت الله یونسی، زهرا شمسی، آزاده ارشیا،
جلد 26، شماره 4 - ( علوم آب و خاک - زمستان 1401 )
چکیده
در پژوهش حاضر، دبی جریان در فلوم‌های حاوی نیم ‌استوانه‌های جانبی (SMBF) تحت شرایط آزاد و مستغرق با استفاده از مدل‌های ماشین بردار پشتیان (SVM)، رگرسیون انطباقی چندمتغیره اسپلاین (MARS) و مدل شبکه عصبی مصنوعی چندلایه (MLPNN)، شبیه‌سازی و تخمین زده شد. در حالت جریان آزاد از پارامترهای بی‌بعد مستخرج از آنالیز ابعادی شامل نسبت عمق جریان در بالادست به عرض گلوگاه و نسبت انقباض (عرض گلوگاه به عرض کانال) و در حالت مستغرق علاوه بر این دو پارامتر از پارامترهای عمق پایاب به عرض گلوگاه و عمق پایاب به عمق بالادست به‌عنوان ورودی و از فرم بی‌بعد دبی جریان به‌عنوان خروجی مدل‌ها استفاده شد. نتایج نشان داد که در حالت جریان آزاد در مرحله صحت‌سنجی مدل MARS با شاخص‌های آماری 0/985= R2، 0/008=RMSE، % 0/87=MAPE و مدل  SVM با شاخص‌های آماری 0/971=R2، 0/0012=RMSE، % 1/376=MAPE و مدل MLPNN با شاخص‌های آماری 0/973= R2، 0/011=RMSE، % 1/304=MAPE دبی جریان را شبیه‌سازی و پیش‌بینی کرده¬اند. در حالت مستغرق شاخص‌های آماری مدل MARS توسعه داده‌ شده عبارت از 0/978= R2، 0/018=RMSE، % 3/6=MAPE و شاخص‌های آماری مدل SVM عبارت از 0/988= R2، 0/014=RMSE، % 4/2=MAPE و شاخص‌های آماری مدل MLPNN عبارت از 0/966= R2، 0/022=RMSE و % 5/7=MAPE هستند. در توسعه مدل‌های SVM و MLPNN به‌ترتیب از توابع کرنل شعاعی و تانژانت هایپربولیک استفاده شد.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb