عنوان

طبقه‌بندی کیفیت آب رودخانه با استفاده از شاخص‌های کیفی و روش‌های داده‌کاوی

شماره

پ۲۸۱۶۰

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

طبقه‌بندی کیفیت آب رودخانه با استفاده از شاخص‌های کیفی و روش‌های داده‌کاوی

نام نخستين پديدآور

سحر جاویدان

نام ناشر، پخش کننده و غيره

مهندسی کشاورزی

تاریخ نشرو بخش و غیره

۱۴۰۱

نام خاص و کميت اثر

۱۴۰ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

علوم و مهندسي آب، گرايش منابع آب

زمان اعطا مدرک

۱۴۰۱/۱۱/۲۸

متن يادداشت

آگاهی از کیفیت آب یکی از نیازهای مهم در برنامه‌ریزی، توسعه و حفاظت از منابع آب به شمار می‌رود. بنابراین تعیین کیفیت آب برای مصارف مختلف از جمله آبیاری در مناطق مختلف ضروری است. استفاده از روش‌های مدرن داده‌کاوی، می‌تواند رویکرد مناسبی برای پیش‌بینی و طبقه‌بندی کیفیت آب باشد. در پژوهش حاضر به بررسی کیفیت آب رودخانه قزل‌اوزن در ایستگاه‌های یساول، قره‌گونی و لیلان پرداخته شد. وضعیت کیفیت به‌صورت زمانی و مکانی مورد ارزیابی قرار گرفت. شاخص کیفی آب شرب (WQI) با استفاده از پارامترهای شیمیایی سختی کل، قلیائیت، هدایت الکتریکی، کل مواد جامد محلول، کلسیم، سدیم، منیزیم ، پتاسیم، کلرید، کربنات، بی‌کربنات و سولفات در دوره آماری 21 ساله (1398-1378) محاسبه شد. جهت پیش‌بینی مقادیر عددی شاخص WQI و طبقه‌بندی کلاس کیفی آب شرب براساس پارامترهای شیمیایی، ترکیب‎های مختلفی از پارامترها در قالب چندین سناریو در نظر گرفته شدند. ماتریس همبستگی و الگوریتم Relief، مبنای انتخاب سناریوهای ورودی روش‌های داده‌کاوی قرار گرفتند. برای مدل‌سازی مقادیر عددی این شاخص، روش‌های M5P و روش‌های ترکیبی Bagging و Dagging با الگوریتم پایه M5P به کار برده شد. مدل‌سازی کلاس کیفی آب نیز با استفاده از روش‌های RT، AddaBoost (RT) و Bagging (RT) انجام یافت. معیارهای عددی به کار رفته در این پژوهش شامل ضریب همبستگی، جذر میانگین مربعات خطا، میانگین خطای مطلق و ضریب ویلموت اصلاح شده بود. دیاگرام تیلور، ماتریس اغتشاش، نمودار پراکنش و منحنی راک نیز معیارهای گرافیکی استفاده شده در پژوهش حاضر بودند. نتایج حاصل از این تحقیق نشان داد که کیفیت آب در بالادست رودخانه یعنی یساول بهتر بوده و در قره‌گونی به‌دلیل اتصال شاخه‌های فرعی از کیفیت آب کاسته شده است. فصل تابستان نیز با توجه به کم‌بودن میزان دبی به‌عنوان فصلی با کیفیت آب نامطلوب معرفی می‌شود. از بین روش‌ها و سناریوهای مختلف مورد استفاده، در مدل‌سازی کمی، روش Bagging بالاترین دقت را داشت. در مدل‌سازی کیفی نیز RT و Bagging (RT) نتایج قابل قبولی را به همراه داشتند و توانسته‌اند تمام نمونه‌ها را در کلاس کیفی صحیح طبقه‌بندی کنند

متن يادداشت

Knowledge of water quality is one of the important needs in planning, development and protection of water resources. Therefore, it is necessary to determine the quality of water for different uses, including irrigation in different areas. The use of modern data mining methods can be a suitable approach for predicting and classifying water quality. In the current research, the water quality of Qezaluzen river was investigated in Yesaul, Qaraghoni and Lilan stations. The quality status was evaluated temporally and spatially. Drinking water quality index (WQI) using the chemical parameters of total hardness, Alkalinity, Electrical Conductivity, Total Dissolved Solids, Calcium, Sodium, Magnesium, Potassium, Chloride, Carbonate, Bicarbonate and Sulfate in a statistical period of 21 years (1999-2019) calculated. In order to estimate the numerical values of the WQI index and classify the quality class of drinking water based on chemical parameters, different combinations of parameters were considered in the form of several scenarios. The correlation matrix and relief algorithm were the basis for selecting the input scenarios of data mining methods. To model the numerical values of this index, M5P methods and the combined methods of Bagging and Dagging with the basic M5P algorithm were used. Water quality class modeling was also done using RT, AdaBoost (RT), and Bagging (RT) methods. The numerical criteria used in this research included Correlation Coefficient, Root Mean Square Error, Mean Absolute Error, and Modified Wilmot Coefficient. Taylor diagram, disturbance matrix, scatter diagram, and ROC curve is also graphical measures used in this research. The results of this research showed that the water quality is better in the upper reaches of the Yasaul river, and the water quality has decreased in Qaragoni due to the connection of the sub-branches. The summer season is also introduced as a season with unfavorable water quality due to the low amount of rainfall. Among the different methods and scenarios used, the Bagging method had the highest accuracy in quantitative modeling. In qualitative modeling, RT and Bagging (RT) provided acceptable results and were able to classify all samples in the correct qualitative class.

عنوان گونه گون

River water quality classification using qualitative indicators and data mining methods

عنصر شناسه اي

‏جاویدان،

ساير عناصر نام

‏‏سحر

کد نقش

تهیه کننده

عنصر شناسه اي

‏ ستاری،

عنصر شناسه اي

‏مسافری،

ساير عناصر نام

‏‏محمدتقی

ساير عناصر نام

‏محمد

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

تبریز‏