توسعه مدلی تجربی با استفاده از الگوریتم ژنتیک و رگرسیون مقاوم برای تخمین ضریب انتشار طولی در رودخانه‌های طبیعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه تهران

2 دانشجوی کارشناسی ارشد دانشگاه تهران

3 دانشکده محیط زیست دانشگاه تهران

10.22034/jest.2018.17974.2680

چکیده

زمینه و هدف: بررسی نحوه اختلاط آلاینده‎ها در رودخانه‎ها، به عنوان یکی از مهم‎ترین منابع آب شیرین، نقش مهمی در ارائه راهکار کنترل آن‎ها دارد. برای این منظور، تعیین ضریب انتشار طولی (LDC) به عنوان عامل مهم اختلاط در رودخانه‌ها از اهمیت زیادی برخوردار است.
روش بررسی: با وجود ارائه مدل‌های متنوع در زمینه پیش‌بینی LDC در رودخانه‌های طبیعی، عدم وجود مدلی کاربرپسند با دقت مناسب برای پیش‌بینی این پارامتر همچنان از چالش‌های موجود در مطالعات مرتبط با مدیریت کیفی رودخانه‌ها می‌باشد. بنابراین در این تحقیق مدلی تجربی بر اساس پارامترهای مؤثر بر LDC شامل سرعت و سرعت برشی جریان و عمق، عرض و انحنای رودخانه توسعه داده شد. در این راستا از دو روش الگوریتم ژنتیک و رگرسیون غیرخطی مقاوم به منظور تعیین ضرایب مجهول رابطه تجربی تخمین LDC استفاده گردید.
یافته‎ها: نتایج این تحقیق مشخص نمود که معادله شامل پارامتر انحنای رودخانه که عدد ثابت معادله در آن حذف شده است، دارای بهترین عملکرد برای پیش‌بینی LDC می‌باشد به طوری که مقدار ضریب تبیین (R2) در مراحل واسنجی و صحت‌سنجی آن به ترتیب برابر 95/0 و 93/0 بدست آمد.
بحث و نتیجه‎گیری: در نهایت مقایسه‌ مدل توسعه داده شده در این تحقیق و دیگر مطالعات مشابه مشخص نمود که این مدل از عملکرد به مراتب بهتری برای تخمین LDC برخوردار است.

کلیدواژه‌ها

موضوعات