利用人工神经网络浊度测量估算悬沙浓度.docVIP

利用人工神经网络的浊度测量估算悬沙浓度 Adem Bayram Murat Kankal Hizir ?nsoy Received: 3 February 2011 / Accepted: 15 July 2011 / Published online: 4 August 2011 # Springer Science+Business Media B.V. 2011 摘要：悬沙浓度（SSC）通常由直接测量河水的含沙量或输沙公式确定。直接测量是非常昂贵的，所以我们无法对所有的河流测站进行直接测量。因此，由河流携带泥沙量的正确估计在水体污染，通道通航，水库蓄水，鱼类栖息地，河流美学和科学价值的方面是非常重要的。本研究探讨使用浊度作为替代南南合作作为原位浊度计正在越来越多地用来生成SSC的河流连续记录的可行性。出于这个原因，回归分析（RA）和人工神经网（人工神经网络）被用来估算基于SSC在现场浊度测量。在SSC首先被用于实验的六个监测站沿流Harsit，东部黑海盆地，土耳其的主要分支收集的地表水样品来确定。把2009年3月和2010年2月期间获得每月出版两期144的数据为每个变量。以人工神经网络的方法，所用的数据进行测试和验证从总共144个数据中取出的分别的设定是108, 24 和 12。作为分析的结果，最小的平均绝对误差（MAE）和均方根分别为11.40和17.87，获得用于验证设定平方误差（RMSE）值。然而，这些对RA来说是19.12和25.09。可以得出结论，在河流中浊度可以替代为SSC，并用于SSC的估计的人工神经网络方法提供可接受的结果。 关键词：人工神经网络、回归分析、哈希特河、悬浮泥沙浓度、浊度。 介绍 天然河流的估计需要的水资源结构如水库，堤坝和稳定的渠道的优化设计和运行泥沙量。此外，它是在地表水体已知的沉积物影响的污染物的运输造成水质问题。河流输沙量基本上由推移和悬移质泥沙组成（Tayfur and Guldal 2006）的。据杨（1996），悬浮泥沙构成的总负荷的75-95％。河流的悬移质泥沙一般是通过直接测量泥沙浓度或泥沙输运方程来确定。悬浮泥沙的直接测量是最可靠的方法之一。然而，测量站放置到良好的的位置所需要的昂贵的费用和收集数据的一个足够长的时间段使这项工作看起来是不实际的。这可能是对于具有关于土耳其河流较少的运算沉积物测站的原因。一般情况下，建设节水结构，如水坝或堰前，EIE（总局电力资源调查与发展管理）或DSI（国家水利工程总局）建立临时测站测量沉积物。结构开始运作不久之后，水文站要么被拆除或不再使用（EIE 2006;Ulke et al. 2009）。 许多研究已经做了二次参数，总悬浮固体（转录起始位），如放电，浊度和水的密度相关。每个代理都有统计确定性，预测能力和后勤协调的局限性。作为最便宜和最简单的衡量方法之一，浊度已被广泛利用在许多环境中，包括河流，湖泊，湿地，滩涂盐沼。(Packman et al. 1999)。Packman et al. (1999)评估浊度是否可能产生的TSS令人满意的估计城市化进程中的普捷湾低地的分水岭。Pavanelli and Pagliarani (2002)建立的浊度和SSC之间的最佳关系，并应用此关系到样品的浊度，以得到的SSC。他们的结论是，SSC和浊度的简单线性回归是足够为SSL的准确估计。Pfannkuche and Schmidt(2003)提出的回归模型得到的算法来确定南南合作的基础上从易北河，在德国东部的一条主要河流浊度测量。Campbell et al. (2005)设计和测试光纤在流透射（FIT）来衡量SSC，检查沉积物颜色和测量颗粒大小的影响，相比散客性能市售的浊度传感器。Pavanelli和毕齐（2005年a，b）致予三种可能的方法来估算悬浮物流流量：重量分析，浊度分析和沉降固体分析。斯塔布菲尔德等人（2007）在低浊度环境下评估比浊法作为替代，或预测，为TSS，总磷（TP）和可溶性活性磷（SRP）。Gao等人（2008）研究了用浊度来估算SSC在加利福尼亚州东南部的使用水样和实验室浊度仪灌溉为主的小流域的可靠性。米内拉等（2008）评估SSC和浊度之间的一个小乡郊集水区在巴西南部的关系（1.19平方公里），并评价两种校正方式，通过比较SSC从校准浊度读数与使用悬移质泥沙采样器获得的直接测量得到的估计数字。ELCI等（2009年）提高了使用声学多普勒流速仪quasisteady方案（ADV）反向散射数据作为一个河流或溪流发现SSC预测的方法。水温度和预测能力的粒度分布的影响，通过在不同的流中的低流量和洪水条件下进行测量，进行了调查。 人工神经网络（ANN）必须学习和认识高度非线性关系（1996 Swingler），然后组织分散的