تخمین ضریب اختلاط عرضی آلاینده‌ها درجریان کانال‌های روباز با استفاده از شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

2 استادیار گروه عمران، دانشگاه غیردولتی شهید اشرفی اصفهانی

3 استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران

چکیده

درک خودپالایی و از بین رفتن آلودگی در رودخانه­ها جهت کنترل مؤثر آلودگی در سال­های اخیر مورد توجه قرار گرفته است. اختلاط عرضی آلاینده در کانال­های باز به نسبت از اهمیت بیش­تری نسبت به اختلاط طولی برخوردار است. تلاش­های بسیاری جهت برقراری رابطه­ای بین ضریب اختلاط عرضی و پارامترهای کانال و جریان مانند عرض، عمق، سرعت برشی، فاکتور اصطکاک و انحنای کانال انجام گرفته است. با هدف ساده­سازی پیش­بینی ضریب اختلاط عرضی، در این تحقیق، با استفاده از اطلاعات پارامترهای هیدرولیکی و هندسی رودخانه­ها و کانال­ها، مدل­سازی و سپس پیش­بینی ضریب اختلاط عرضی به کمک شبکه­ عصبی مصنوعی صورت گرفته است. فرآیند توسعه و ارزیابی مدل با استفاده از مجموعه داده­های واقعی و معیارهای آماری و گرافیکی مختلف صورت گرفت. مدل شبکه عصبی مصنوعی، نتایج قابل قبولی در پیش­بینی ضریب اختلاط عرضی نسبت به مدل خطی، ارائه کرد. چنان­چه در بهترین مدل، میزان ضریب همبستگی و میانگین مجذور مربعات خطا، به ترتیب 82/0 و 1035/0 بدست آمده است.

کلیدواژه‌ها

عنوان مقاله [English]

Estimating Transverse Mixing Coefficient of Pollutants in Open Channel Flows Using Artificial Neural Networks

نویسندگان [English]

  • Aleyeh Saadatpour 1
  • Elham Izadinia 2
  • Manoochehr Heidarpour 3
1 Ph.D Student of Irrigation and Drainage, College of Agriculture, Ferdowsi University of Mashhad., Mashhad., Iran
2 Assistant Professor, Civil Department, Ashrafi EsfahaniInstitue of Higher Education
3 Professor, Water Engineering Department, Faculty of Agriculture, Isfahan University of Technology., Isfahan., Iran
چکیده [English]

Understanding of the fate of pollutants, disposed of in streams, is a matter of concern in recent years for the effective control of pollution. Transverse mixing of the pollutants in open channels is arguably more important than the longitudinal mixing and near-field mixing. Several attempts have been made to establish the relationship between the transverse mixing coefficient and bulk channel and flow parameters such as width, depth, shear velocity, friction factor, curvature and sinuosity. The training and testing of this model are accomplished using a set of available published filed data. Several statistical and graphical criteria are used to check the accuracy of the model. The proposed ANN approach produces satisfactory results (R2=0.82, RMSE=0.103) in the best try in comparison to linear model.

کلیدواژه‌ها [English]

  • Artificial Neural Network
  • Dispersion
  • Open channel flow
  • Pollutant
  • Transverse mixing coefficient

مراجع

ایزدی­نیا،ا و عابدی،ج. 1390. تعیین ضریب پراکندگی طولی آلودگی در رودخانه­ها،مجله تحقیقات منابع آب ایران، سال هفتم، شماره 1.
پورآباده­ای،م.، تکلدانی،ا،ا و لیاقت،ع. 1382. بررسی تأثیر پارامترهای جریان بر ضریب پخش آلودگی در کانال مستطیلی،  مجموعه مقالات ششمین کنفرانس هیدرولیک ایران، شهرکرد، 29-38.
ریاحی مدوار،ح و ایوب­زاده،ع. 1387. تخمین ضریب پراکندگی طولی آلودگی با استفاده از سیستم استنتاج فازی-عصبی انطباقی، مجله آب و فاضلاب، شماره67.
منهاج،م.ب. 1391. مبانی شبکه­های عصبی، چاپ هشتم. انتشارات دانشگاه امیرکبیر.
Ahmad,Z., Azamathulla,H.M and Zakaria,N.A. 2011. ANFIS-based approach for estimation transverse mixing coefficient. IWA – Water Science. Technology. 63: 1004–1009.
Ahmad,Z. 2009. Mixing length for establishment of longitudinal dispersion in streams. International. Journal of Modell. Simulation. Acta Press. 29:1–10.
Ahmad,Z. 2008. Finite volume model for steady-state transverse mixing in streams. IAHR Journal of Hydraulic Resarch. 46, 72–80.
Azamathulla,H.M and Ahmad,Z. 2012. Gene-expression programming for transverse mixing coefficient. Journal of Hydrology. 434: 142-148.
Chau,K.W. 2000.Transverse mixing coefficient measurements in an open rectangular channel. Advances in Environmental Research. 4.4:287-294.
Deng,Z.Q., Bengtsson,L., Singh,V.P and Adrian,D.D. 2002. Longitudinal dispersion coefficient in single-channel streams. Journal of Hydraulic Engineering. 128.10: 901-916.
Elder,J.W.1959. The Dispersion of Marked Fluid in Turbulent Shear Flow. Journal of fluid Mechanics. 5: 544-560.
Engman,E.O. 1974. Discussion of Diffusion and Dispersion in Open Channel Flow. HydrDiv, ASCE. 100: 1850-1851.
Fischer,H.B., List,E.J., Koh,R.C.Y., Imberger,J and Brooks.N.H. 1979. Mixing in Inland and Coastal Waters Academic Press, N.Y.
Fischer,H.B. 1968. Dispersion predictions in natural streams.J SanitEng ASCE 94:927–43.
Holley,E.R and Jirka,G.H. 1986. Mixing in Rivers, Technical Report E-86-11, U.S. Army Engineers, Waterways Experiment Station, Vicksburg, MS.
Kalinske,A.A and Pien,C.L. 1944. Eddy Diffusion. Ind. Eng. Chem. 36: 220-223.
Lau,Y.L and Krishnappan,B.G. 1977. Transverse dispersion in rectangular channels, Journal of Hydraulics Division. ASCE. 103.10: 1173-1189.
Li,Z.H.,Huang,J and Li,J.1998. Preliminary study on longitudinal dispersion coefficient for the Gorges reservoir. Proc. of the 7th International Symposium Environmental Hydraulics, 16-18 December, Hong Kong, China.
Miller,A.C and Richardson,E.V. 1974. Diffusion and dispersion in open channel flow, Journal of Hydraulics Division. ASCE. 100.1: 159-171.
Okoye,J.K. 1970. Characteristics of Transverse Mixing in Open Channel Flows, Report No. KH-R-23, W . M. Keck Laboratory of Hydraulics and Water Resources, California Institute of Technology, Pasadena, Calif.
Prych,E.A. 1970. Effects of Density Differences on Lateral Mixing in Open Channel Flows. Report No. KH-R-21, W. M. Keck Laboratory of Hydraulics and water Resources, California Institute of Technology, Pasadena, California.
Rutherford,J.C. 1994. River Mixing, John Wiley Publication.
Sahay,R.R. 2011. Prediction of longitudinal dispersion coefficients in natural rivers using artificial neural network. Environmental Fluid Mechanics. 11.3: 247-261.
Sayre,W.W and Chang,F.M.1968. A Laboratory Investigation of the Open Channel Dispersion Process for Dissolved, Suspended and Floating Dispersants, U.S. Geological Survey Professional Paper 433-E, 77pp.
Sullivan,P.J. 1968. Dispersion in a Turbulent Shear Flow.Thesis presented to Churchill College, University of Cambridge, at Cambridge, England, in partial fulfillment of the requirements for the degree of Doctor of Philosophy.
Tayfur,G and Singh,V.P.2005. Predicting longitudinal dispersion coefficient in natural streams by artificial neural network. Journal of Hydraulic Engineering. 131.11: 991-1000.
Toprak,Z.F and Cigizoglu,H.K. 2008. Predicting longitudinal dispersion coefficient in natural streams by artificial intelligence methods. Hydrology Process 22:4106–4129.
نشریه آبیاری و زهکشی ایران
دوره 9، شماره 5 - شماره پیاپی 53
آذر و دی 1394
صفحه 701-709

فایل ها

هم رسانی

ارجاع به این مقاله

آمار