رستم صادقی تالارپشتی، کیومرث ابراهیمی، عبدالحسین هورفر،
جلد ۲۵، شماره ۴ - ( علوم آب و خاک - زمستان ۱۴۰۰ )
چکیده
صیانت از کیفیت آب رودخانه¬ها به‌عنوان در دسترس¬ترین منبع تأمین آب همواره مورد توجه بوده است. در مقاله حاضر توان خودپالایی و تغییرات فصلی ضرایب زوال آلودگی رودخانه تالار بر اساس اندازه¬گیری¬های میدانی پارامترهای DO، BOD، pH، EC، نیترات، فسفر و درجه حرارت در چهار فصل از سال ۱۳۹۷ به همراه شبیه¬سازی و واسنجی آن با کاربرد مدل QUAL۲Kw و روش استریتر فلپس مورد مطالعه قرار گرفته است. درضمن، علاوه بر نتایج شبیه¬سازی¬ها و ارائه مقادیر فصلی ضرایب زوال آلودگی، مقادیر داده¬های اندازه¬گیری¬های میدانی نمونه-های آب رودخانه نیز ارائه شده است. بر اساس نتایج، مقدار تغییرات میانگین DO از ۵/۱۵ در فصل تابستان تا ۷/۴۷ میلی¬گرم در لیتر در فصل بهار و تغییرات میانگین BOD از ۱/۸۸ در فصل پاییز تا ۷/۹ میلی¬گرم در لیتر در فصل تابستان ثبت شد. همچنین، در روش استریتر فلپس کمترین مقدار ضریب زوال از ۱/۵۷ یک بر روز در فصل بهار تا ۹/۶۳ یک بر روز در فصل پاییز متغیر بوده است. مقادیر ضریب زوال رودخانه تالار با استفاده از مدل QUAL۲Kw نیز از ۲ در فصل پاییز تا ۷/۷ یک بر روز در فصل تابستان به ثبت رسید.
ساناز بیگدلی، کیومرث ابراهیمی، عبدالحسین هورفر، علی اکبر داودی راد،
جلد ۲۶، شماره ۴ - ( علوم آب و خاک - زمستان ۱۴۰۱ )
چکیده
در این تحقیق تدقیق شبکه عصبی فازی (ANFIS) در ترکیب با الگوریتم گرگ خاکستری (GWO-ANFIS) برای اولین بار در پیش‌بینی تراز آب زیرزمینی با کاربرد داده‌های چاپ نشدۀ مشاهده‌ای ۱۳۹۷-۱۳۷۷ از آبخوان زرندیه ارزیابی شد. سه چاه مشاهده‌ای بصورت تصادفی برای تجزیه و تحلیل انتخاب شد. بررسی معیارهای ارزیابی نشان داد که از بین سناریوهای بکار رفته با کاربرد مدل ترکیبی، سناریوی D با ترکیب داده‌های ورودی، تراز آب‌زیرزمینی ماه قبل، بارش، دما و بهره‌برداری از آب زیرزمینی به‌عنوان سناریو بهینه مدل ترکیبی انتخاب شد. برای سناریو D، چاه مشاهده‌ای اوّل پارامترهای MAPE، RMSE، NASH به‌ترتیب مساوی ۰/۲۹، ۰/۴۷ متر و ۰/۹۹ به‌دست آمد. برای چاه مشاهده‌ای دوّم سناریوی C با ترکیب داده‌های ورودی، تراز آب زیرزمینی ماه قبل، بارش و بهره‌برداری از آب زیرزمینی به‌عنوان سناریو بهینه انتخاب شد و برای همان پارامترها مقادیر ۰/۲۰ ، ۰/۲۶ متر و ۰/۹۹ به‌دست آمد. برای چاه سوّم سناریوی A با داده‌های ورودی، تراز آب زیرزمینی ماه قبل به‌عنوان سناریو بهینه مدل ANFIS-GWO انتخاب شد و مقادیر همان پارامترها برای این سناریو برابر ۰/۲۹، ۰/۴۱ متر و ۰/۹۹ به‌دست آمد. بر اساس نتایج، الگوریتم گرگ خاکستری در آموزش مدل ANFIS توانست میانگین خطای پیش‌بینی را به مقدار ۰۳/ ۰ (RMSE) و ۰/۰۲ (MAPE) متر کاهش و مقدار میانگین NASH را به میزان ۰/۰۱ افزایش و سبب افزایش دقت پیش‌بینی‌ها شود.
