Papers by alireza kheradmand
تعیین عددی ارتفاع موج با استفاده از معادلات شیب ملایم مطالعه موردی ساحل چابکسر استان گیلان
تعیین ارتفاع موج در علوم دریای و سواحل از جنبه های گوناگونی حائز اهمیت است. ارتفاع موج به منظور ط... more تعیین ارتفاع موج در علوم دریای و سواحل از جنبه های گوناگونی حائز اهمیت است. ارتفاع موج به منظور طراحی سازه های دریایی و تعیین حد حریم و بستر اهمیت قابل ملاحظه ای دارد. روشهایگوناگونی به منظور تعیین ارتفاع موج ارائه گردیده است که می توان از روش عددی معادلات شیب ملایم، معادلات منفرد موج می توان نام برد. در این پژوهش به تعیین ارتفاع موج با استفاده از معادلات شیب ملایم پرداخته شده است. ساحل چابکسر در استان گیلان به عنوان منطقه مورد مطالعه انتخاب شده است. با استفاده از ماژول CGWave در نرم افزار SMS ارتفاع موج در محدوده ساحل چابکسر بین 1.5 تا 2.13 متر تعیین گردید.

Usage of analytic hierarchy processing (AHP) in water resources (Sediment production)
Abstract
Erosion and sedimentation depend on sophisticated elements. Identifying these elements ... more Abstract
Erosion and sedimentation depend on sophisticated elements. Identifying these elements and recognition the effect of them on sedimentation and erosion of watershed will help to achieve better management for reducing loss of erosion and sedimentation .deciding for selecting witch one of watershed can be effected by, and be managed is a hard job base on variety of criteria . These criteria are Permeability, plant coverage, Slop, Runoff, land usage, rainfall, Geology factor, Human factor and farm animals. In this study in order to identify the watershed that would be managed better than the others, we used analytic hierarchy processing (AHP). GALAR, PETRO PA GHALA and ARDAME in KHORASAN RAZAVI province are the watersheds that will be prioritize for sediment management. Finally the suitable watershed for sediment control actions has been identified.
کاربرد فرآیند تحلیل سلسله مراتبی(AHP) در منابع آب ( تولید رسوب)

تعیین و مقایسه رابطه هدایت الکتریکی و مقدار جامدات محلول در مخزن سد لتیان به روشهای رگرسیون خطی و ماشین بردار پشتیبان
چكيده
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصل... more چكيده
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصلي ترين منابع تأمين کننده شهر تهران به شمار مي رود. کل جامدات محلول (TDS) و هدایت الکتریکی (EC) آب از اساسی ترین پارامترهای معرف کیفیت آب آشامیدنی می باشند. ارتباط این دو پارامتر معمولا بصورت خطی می باشد، بنابراین این امکان وجود دارد تا با اندازه گیری (EC) آب بتوان مقدار (TDS) را تعیین کرد. در این پژوهش، با استفاده از اطلاعات کیفی ایستگاه های پایش کیفیت واقع در بالادست مخزن سد لتیان به کمک روش رگرسیون خطی (LR) و ماشین بردار پشتیبان- حداقل مربعات (LSSVM) ، به تعیین رابطه این دو پارامتر پرداخته ایم. به منظور ارزیابی کارایی دو روش مورد مطالعه از آماره های مجذور میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و ضریب Nash استفاده شد. نتایج نشان دهنده برتری جزئی روش (LSSVM) در مقایسه با (LR) می باشد.
کلمات کلیدی
EC TDS - LSSVM - رگرسیون خطی- سد لتیان – ماشین بردار پشتیبان (LSSVM)
.

تخمین سرعت نشت در کانال نیم دایره با لایه زهکش در عمق کم توسط روش تحلیلی و عددی
چكيده
در مطالعه حاضر، روش¬های تحلیلی و عددی برای بدست آوردن سرعت نشت از یک کانال منحنی شکل با یک... more چكيده
در مطالعه حاضر، روش¬های تحلیلی و عددی برای بدست آوردن سرعت نشت از یک کانال منحنی شکل با یک لایه زهکش در عمق کم بکار برده شده¬اند. محیط متخلخل همگن و همسانگرد است. روش تحلیلی شامل تکنیک¬های نگاشت کانفرمال از قبیل تبدیل شوارتز- کریستوفل و هدوگراف سرعت می¬باشد. بدلیل مشکل بودن نگاشت کانفرمال، راه حل تحلیلی دقیقی برای سرعت نشت از یک کانال نیم دایره¬ای در دسترس نمی-باشد. از طرفی راه¬حل¬های تقریبی توسط روش¬های عددی بدلیل در دسترس بودن رایانه¬های دیجیتال با سرعت بالا در کنار نرم افزارهای تخصصی اهمیت پیدا کرده¬اند. در صورت داشتن دقت کافی، راه حل تحلیلی تخمین مناسبی از سرعت نشت را در قالب یک رابطه دقیق ارائه می¬دهد. بنابراین کاربرد روش¬های تحلیلی در مقایسه با روش¬های عددی ساده¬تر خواهند بود. نتایج نشان می¬دهند که روش عددی دقت قابل قبولی را در مقایسه با روش تحلیلی دارد و می¬تواند برای تخمین سرعت نشت از یک کانال دایره¬ای با شرایط هیدرولیکی مشخص بکار برده شود.
كليد واژهها
سرعت نشت- کانال منحنی شکل- نگاشت کانفرمال- روش عددی

استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه در پیش بینی کیفیت آب (مطالعه موردی: پیش بینی اکسیژن محلول در مخزن سد لتیان)
چكيده
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اص... more چكيده
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصلي ترين منابع تأمين کننده شهر تهران به شمار مي رود. قرار گرفتن مناطق مسکونی، کارخانجات و ... در مسیر این رودخانه باعث افزایش آلودگی در این رودخانه مهم شده است. غلطت اکسیژن محلول در یک رودخانه یک شاخص متداول برای سلامت رودخانه است. در این تحقیق سعی شده است با استفاده از شبکه های عصبی مصنوعی پرسپترون چند لایه (MLP-NN) ، اکسیژن محلول (DO) در مخزن سد لتیان پیش بینی گردد. برای دست یابی به این هدف از آمار هشت ساله (از سال 2002 الی 2010) کیفی آب رودخانه استفاده شد. شش پارامتر SO4, SO2, NH3, NO3, NO2, PO4به عنوان متغیر مستقل و DO به عنوان متغیر وابسته برای مدل سازی توسط مدل (MLP-NN) در نظر گرفته شد. به منظور ارزیابی کارایی مدل پیشنهادی از دو آماره مجذور میانگین مربعات خطا (RMSE) و ضریب تعیین (R2) استفاده شد. نتایج نشان داد که (MLP-NN) با شش نرون در لایه پنهان (MLP 6-6-1) توانست میزان اکسیژن محلول را با دقت خوبی(R2=0.90 ,RMSE=0.005 ) پیش بینی کند.
كليد واژهها
اکسیژن محلول - کیفیت آب - شبكه عصبي مصنوعي پرسپترون چند لایه - سد لتیان

بررسی کارایی روشهای رگرسیون خطی، شبکه عصبی مصنوعی و سیستم های عصبی فازی تطبیقی در بازسازی داده های بارندگی(مطالعه موردی بازسازی آمار بارش ماهانه)
چکیده
مسئله داده های گم شده (missing value) جزء مواردی است که در اکثر کارهای علمی با آن مواجه هست... more چکیده
مسئله داده های گم شده (missing value) جزء مواردی است که در اکثر کارهای علمی با آن مواجه هستیم. در مواردی چون مدل سازی بارش و روان آب، برآورد بارش یک منطقه از روی ایستگاه های هواشناسی مجاور منطقه وجود سری داده ها با طول آماری مناسب و بدون داده های از دست رفته بسیار با اهمیت می باشد. . در تحقیق حاضر از روش های رگرسیون خطی(LR) ، شبکه عصبی مصنوعی (ANN) و سیستم های عصبی فازی تطبیقی (ANFIS) به منظور تخمین داده های گم شده استفاده شد. در مدل (ANN) شبکه های MLP و RBF با 5 نوع تابع فعالیت به کار گرفته شد. در مدل (ANFIS) توابع عضویت 10 گانه بکارگرفته شد. بر اساس رابطه بین آمار موجود ایستگاه و ایستگاه مبنا در هر روش پس از حذف داده هاي مشاهده اي، مقادير آنها از طريق روش هاي مذكور برآورد شده و با استفاده از آماره های ريشه ميانگين مجذور مربعات خطا (RMSE) و ضریب همبستگی (R2) اولويت هر يك از روش ها مورد شناسايي قرار گرفت. در بین مدل های مذکور رگرسیون خطی باR2=0.85 و RMSE=0.041 و از مدل های (ANN) مدلRBF 1-28-1)) با R2=0.86 و RMSE=0.046 و از مدل های (ANFIS) مدل guass2 با دو تابع عضویت با R2=0.86 و RMSE=0.073 بهترین ساختارها شناخته شدند.
واژه های کلیدی: بارش، سیستم های عصبی فازی تطبیقی، شبکه عصبی مصنوعی، داده های گم شده، رگرسيون خطی.

Estimation of seepage velocity in semicircular channel with drainage layer at shallow depth by analytical and numerical methods
Abstract
In the present study the analytical and numerical methods have been used to obtain seepa... more Abstract
In the present study the analytical and numerical methods have been used to obtain seepage velocity from a curved channel with drainage layer at shallow depth. The porous medium is homogenous and isotropic. The analytical method involves conformal mapping techniques such as Schwarz-christoffel transformation and velocity hodograph. An exact analytical solution for seepage velocity from a semicircle channel is not available because of difficulties in conformal mapping. However approximate solutions by numerical methods have gained importance because of availability of high-speed digital computers along with specialized softwares. In the case of having enough accuracy, analytical solution gave suitable estimation of seepage velocity in form of exact equation. Therefore the application of analytical methods in comparison with numerical methods would be easier. The results show that numerical method has an acceptable accuracy in comparison with analytical solution and can be used to estimate seepage velocity through the semicircle channels with specific hydraulic conditions.
Keywords:
Seepage velocity – curved channel – conformal mapping – numerical method.

تعیین و مقایسه رابطه هدایت الکتریکی و مقدار جامدات محلول در مخزن سد لتیان به روشهای رگرسیون خطی و ماشین بردار پشتیبان
چكيده
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصل... more چكيده
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصلي ترين منابع تأمين کننده شهر تهران به شمار مي رود. کل جامدات محلول (TDS) و هدایت الکتریکی (EC) آب از اساسی ترین پارامترهای معرف کیفیت آب آشامیدنی می باشند. ارتباط این دو پارامتر معمولا بصورت خطی می باشد، بنابراین این امکان وجود دارد تا با اندازه گیری (EC) آب بتوان مقدار (TDS) را تعیین کرد. در این پژوهش، با استفاده از اطلاعات کیفی ایستگاه های پایش کیفیت واقع در بالادست مخزن سد لتیان به کمک روش رگرسیون خطی (LR) و ماشین بردار پشتیبان- حداقل مربعات (LSSVM) ، به تعیین رابطه این دو پارامتر پرداخته ایم. به منظور ارزیابی کارایی دو روش مورد مطالعه از آماره های مجذور میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و ضریب Nash استفاده شد. نتایج نشان دهنده برتری جزئی روش (LSSVM) در مقایسه با (LR) می باشد.
کلمات کلیدی
EC TDS - LSSVM - رگرسیون خطی- سد لتیان – ماشین بردار پشتیبان (LSSVM)

Study the performance of linear regression (LR), artificial neural network (ANN) and Adaptive Network Based Fuzzy Inference System (ANFIS) in estimating missing precipitation data (case study: estimating monthly precipitation data)
Abstract
Missing values are common issue in any scientific work. In the case of run-off models de... more Abstract
Missing values are common issue in any scientific work. In the case of run-off models determination of rain for a region from near metrological stations, existing a series of data with reasonable length and without lots of missing values is crucial. In this study linear regression (LR), artificial neural network (ANN) and Adaptive Network Based Fuzzy Inference System (ANFIS) used to determinate missing values. In (ANN) model utilized MLP and RBF with 5 activation functions.in (ANFIS) model tenfold relationship function have been used. According to the relationship between existing data from station and reference station in each method, after deleting some original data we estimate missing values and by root mean square (RMSE) a coefficient of determination (R2). Priority of witch method has been identified. Between mentioned models, LR by (R2=0.85, RMSE=0.041) and from (ANN) models RBF with 28 hidden layer by (R2=0.86, RMSE=0.046) and from (ANFIS) models with Gaussian relationship function type 2 by (R2=0.86, RMSE=0.073) are the best structures.
Keywords: Adaptive Network Based Fuzzy Inference System (ANFIS), artificial neural network (ANN), linear regression (LR), Missing value, Precipitation.

An application of Adaptive Network Based Fuzzy Inference System (ANFIS) for water quality prediction, Case study prediction of dissolved oxygen in latian dam reservior
Abstract
Latian dam is on the downstream of Jajrood River, in 25 km north east from Tehran, and o... more Abstract
Latian dam is on the downstream of Jajrood River, in 25 km north east from Tehran, and one of the most important supply water sources of Tehran city. Locating urban area, industries… along with this river lead to increasing pollutions in this important river. Density of dissolved oxygen (DO) in a river is one of common index for healthiness of river. In this study we are trying to forecast DO in latian dam reservoir with Adaptive Network Based Fuzzy Inference System (ANFIS) .in order to achieve this goal we used from river water quality data for eight years (2002-2010). Six parameters SO4, SO2, NH3, NO3, NO2, PO4 used as independent variables and DO used as dependent variable for modeling with ANFIS. In order to qualification and performance of proposed model we used to statistic index, Root mean Square Error (RMSE) and Coefficient of Determination (R2). The result shows that the model with Gaussian relationship function type 2 by (R2=0.86, RMSE=0.073) has the best performances.
Keywords: Adaptive Network Based Fuzzy Inference System (ANFIS) – Dissolved Oxygen - Latian dam- Water Quality.
Drafts by alireza kheradmand
کاربرد فرآیند تحلیل سلسله مراتبی(AHP) در منابع آب ( تولید رسوب)
Uploads
Papers by alireza kheradmand
Erosion and sedimentation depend on sophisticated elements. Identifying these elements and recognition the effect of them on sedimentation and erosion of watershed will help to achieve better management for reducing loss of erosion and sedimentation .deciding for selecting witch one of watershed can be effected by, and be managed is a hard job base on variety of criteria . These criteria are Permeability, plant coverage, Slop, Runoff, land usage, rainfall, Geology factor, Human factor and farm animals. In this study in order to identify the watershed that would be managed better than the others, we used analytic hierarchy processing (AHP). GALAR, PETRO PA GHALA and ARDAME in KHORASAN RAZAVI province are the watersheds that will be prioritize for sediment management. Finally the suitable watershed for sediment control actions has been identified.
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصلي ترين منابع تأمين کننده شهر تهران به شمار مي رود. کل جامدات محلول (TDS) و هدایت الکتریکی (EC) آب از اساسی ترین پارامترهای معرف کیفیت آب آشامیدنی می باشند. ارتباط این دو پارامتر معمولا بصورت خطی می باشد، بنابراین این امکان وجود دارد تا با اندازه گیری (EC) آب بتوان مقدار (TDS) را تعیین کرد. در این پژوهش، با استفاده از اطلاعات کیفی ایستگاه های پایش کیفیت واقع در بالادست مخزن سد لتیان به کمک روش رگرسیون خطی (LR) و ماشین بردار پشتیبان- حداقل مربعات (LSSVM) ، به تعیین رابطه این دو پارامتر پرداخته ایم. به منظور ارزیابی کارایی دو روش مورد مطالعه از آماره های مجذور میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و ضریب Nash استفاده شد. نتایج نشان دهنده برتری جزئی روش (LSSVM) در مقایسه با (LR) می باشد.
کلمات کلیدی
EC TDS - LSSVM - رگرسیون خطی- سد لتیان – ماشین بردار پشتیبان (LSSVM)
.
در مطالعه حاضر، روش¬های تحلیلی و عددی برای بدست آوردن سرعت نشت از یک کانال منحنی شکل با یک لایه زهکش در عمق کم بکار برده شده¬اند. محیط متخلخل همگن و همسانگرد است. روش تحلیلی شامل تکنیک¬های نگاشت کانفرمال از قبیل تبدیل شوارتز- کریستوفل و هدوگراف سرعت می¬باشد. بدلیل مشکل بودن نگاشت کانفرمال، راه حل تحلیلی دقیقی برای سرعت نشت از یک کانال نیم دایره¬ای در دسترس نمی-باشد. از طرفی راه¬حل¬های تقریبی توسط روش¬های عددی بدلیل در دسترس بودن رایانه¬های دیجیتال با سرعت بالا در کنار نرم افزارهای تخصصی اهمیت پیدا کرده¬اند. در صورت داشتن دقت کافی، راه حل تحلیلی تخمین مناسبی از سرعت نشت را در قالب یک رابطه دقیق ارائه می¬دهد. بنابراین کاربرد روش¬های تحلیلی در مقایسه با روش¬های عددی ساده¬تر خواهند بود. نتایج نشان می¬دهند که روش عددی دقت قابل قبولی را در مقایسه با روش تحلیلی دارد و می¬تواند برای تخمین سرعت نشت از یک کانال دایره¬ای با شرایط هیدرولیکی مشخص بکار برده شود.
كليد واژهها
سرعت نشت- کانال منحنی شکل- نگاشت کانفرمال- روش عددی
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصلي ترين منابع تأمين کننده شهر تهران به شمار مي رود. قرار گرفتن مناطق مسکونی، کارخانجات و ... در مسیر این رودخانه باعث افزایش آلودگی در این رودخانه مهم شده است. غلطت اکسیژن محلول در یک رودخانه یک شاخص متداول برای سلامت رودخانه است. در این تحقیق سعی شده است با استفاده از شبکه های عصبی مصنوعی پرسپترون چند لایه (MLP-NN) ، اکسیژن محلول (DO) در مخزن سد لتیان پیش بینی گردد. برای دست یابی به این هدف از آمار هشت ساله (از سال 2002 الی 2010) کیفی آب رودخانه استفاده شد. شش پارامتر SO4, SO2, NH3, NO3, NO2, PO4به عنوان متغیر مستقل و DO به عنوان متغیر وابسته برای مدل سازی توسط مدل (MLP-NN) در نظر گرفته شد. به منظور ارزیابی کارایی مدل پیشنهادی از دو آماره مجذور میانگین مربعات خطا (RMSE) و ضریب تعیین (R2) استفاده شد. نتایج نشان داد که (MLP-NN) با شش نرون در لایه پنهان (MLP 6-6-1) توانست میزان اکسیژن محلول را با دقت خوبی(R2=0.90 ,RMSE=0.005 ) پیش بینی کند.
كليد واژهها
اکسیژن محلول - کیفیت آب - شبكه عصبي مصنوعي پرسپترون چند لایه - سد لتیان
مسئله داده های گم شده (missing value) جزء مواردی است که در اکثر کارهای علمی با آن مواجه هستیم. در مواردی چون مدل سازی بارش و روان آب، برآورد بارش یک منطقه از روی ایستگاه های هواشناسی مجاور منطقه وجود سری داده ها با طول آماری مناسب و بدون داده های از دست رفته بسیار با اهمیت می باشد. . در تحقیق حاضر از روش های رگرسیون خطی(LR) ، شبکه عصبی مصنوعی (ANN) و سیستم های عصبی فازی تطبیقی (ANFIS) به منظور تخمین داده های گم شده استفاده شد. در مدل (ANN) شبکه های MLP و RBF با 5 نوع تابع فعالیت به کار گرفته شد. در مدل (ANFIS) توابع عضویت 10 گانه بکارگرفته شد. بر اساس رابطه بین آمار موجود ایستگاه و ایستگاه مبنا در هر روش پس از حذف داده هاي مشاهده اي، مقادير آنها از طريق روش هاي مذكور برآورد شده و با استفاده از آماره های ريشه ميانگين مجذور مربعات خطا (RMSE) و ضریب همبستگی (R2) اولويت هر يك از روش ها مورد شناسايي قرار گرفت. در بین مدل های مذکور رگرسیون خطی باR2=0.85 و RMSE=0.041 و از مدل های (ANN) مدلRBF 1-28-1)) با R2=0.86 و RMSE=0.046 و از مدل های (ANFIS) مدل guass2 با دو تابع عضویت با R2=0.86 و RMSE=0.073 بهترین ساختارها شناخته شدند.
واژه های کلیدی: بارش، سیستم های عصبی فازی تطبیقی، شبکه عصبی مصنوعی، داده های گم شده، رگرسيون خطی.
In the present study the analytical and numerical methods have been used to obtain seepage velocity from a curved channel with drainage layer at shallow depth. The porous medium is homogenous and isotropic. The analytical method involves conformal mapping techniques such as Schwarz-christoffel transformation and velocity hodograph. An exact analytical solution for seepage velocity from a semicircle channel is not available because of difficulties in conformal mapping. However approximate solutions by numerical methods have gained importance because of availability of high-speed digital computers along with specialized softwares. In the case of having enough accuracy, analytical solution gave suitable estimation of seepage velocity in form of exact equation. Therefore the application of analytical methods in comparison with numerical methods would be easier. The results show that numerical method has an acceptable accuracy in comparison with analytical solution and can be used to estimate seepage velocity through the semicircle channels with specific hydraulic conditions.
Keywords:
Seepage velocity – curved channel – conformal mapping – numerical method.
سد لتيان بر روي رودخانه جاجرود در فاصله 25 كيلومتري شمال شرقي تهران قرار داشته و يكي از اصلي ترين منابع تأمين کننده شهر تهران به شمار مي رود. کل جامدات محلول (TDS) و هدایت الکتریکی (EC) آب از اساسی ترین پارامترهای معرف کیفیت آب آشامیدنی می باشند. ارتباط این دو پارامتر معمولا بصورت خطی می باشد، بنابراین این امکان وجود دارد تا با اندازه گیری (EC) آب بتوان مقدار (TDS) را تعیین کرد. در این پژوهش، با استفاده از اطلاعات کیفی ایستگاه های پایش کیفیت واقع در بالادست مخزن سد لتیان به کمک روش رگرسیون خطی (LR) و ماشین بردار پشتیبان- حداقل مربعات (LSSVM) ، به تعیین رابطه این دو پارامتر پرداخته ایم. به منظور ارزیابی کارایی دو روش مورد مطالعه از آماره های مجذور میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و ضریب Nash استفاده شد. نتایج نشان دهنده برتری جزئی روش (LSSVM) در مقایسه با (LR) می باشد.
کلمات کلیدی
EC TDS - LSSVM - رگرسیون خطی- سد لتیان – ماشین بردار پشتیبان (LSSVM)
Missing values are common issue in any scientific work. In the case of run-off models determination of rain for a region from near metrological stations, existing a series of data with reasonable length and without lots of missing values is crucial. In this study linear regression (LR), artificial neural network (ANN) and Adaptive Network Based Fuzzy Inference System (ANFIS) used to determinate missing values. In (ANN) model utilized MLP and RBF with 5 activation functions.in (ANFIS) model tenfold relationship function have been used. According to the relationship between existing data from station and reference station in each method, after deleting some original data we estimate missing values and by root mean square (RMSE) a coefficient of determination (R2). Priority of witch method has been identified. Between mentioned models, LR by (R2=0.85, RMSE=0.041) and from (ANN) models RBF with 28 hidden layer by (R2=0.86, RMSE=0.046) and from (ANFIS) models with Gaussian relationship function type 2 by (R2=0.86, RMSE=0.073) are the best structures.
Keywords: Adaptive Network Based Fuzzy Inference System (ANFIS), artificial neural network (ANN), linear regression (LR), Missing value, Precipitation.
Latian dam is on the downstream of Jajrood River, in 25 km north east from Tehran, and one of the most important supply water sources of Tehran city. Locating urban area, industries… along with this river lead to increasing pollutions in this important river. Density of dissolved oxygen (DO) in a river is one of common index for healthiness of river. In this study we are trying to forecast DO in latian dam reservoir with Adaptive Network Based Fuzzy Inference System (ANFIS) .in order to achieve this goal we used from river water quality data for eight years (2002-2010). Six parameters SO4, SO2, NH3, NO3, NO2, PO4 used as independent variables and DO used as dependent variable for modeling with ANFIS. In order to qualification and performance of proposed model we used to statistic index, Root mean Square Error (RMSE) and Coefficient of Determination (R2). The result shows that the model with Gaussian relationship function type 2 by (R2=0.86, RMSE=0.073) has the best performances.
Keywords: Adaptive Network Based Fuzzy Inference System (ANFIS) – Dissolved Oxygen - Latian dam- Water Quality.
Drafts by alireza kheradmand