| پیش بینی شاخص کیفیت آب‌های سطحی با بهره‌گیری از شبکه عصبی هیبریدی الهام‌گرفته از محاسبات کوانتومی و ارزیابی اقتصادی پارامترهای پایش |
| کد مقاله : 1030-CONFIHA |
| نویسندگان |
|
وحید خرم نژاد1، صادق یعقوب زاده1، علی نصیریان *2 1گروه مهندسی عمران، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، ایران. 2گروه مهندسی عمران، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، ایران |
| چکیده مقاله |
| پایش همزمان پارامترهای کیفیت آب‌های سطحی دقیق است، اما هزینه و پیچیدگی آن، توسعه سامانه‌های گسترده را محدود می‌کند. این پژوهش شبکه عصبی هیبرید الهام‌گرفته از کوانتوم (QIHNN) را برای پیش‌بینی شاخص کیفیت آب‌های سطحی توسعه داد. داده‌ها شامل ۱۶٬۲۴۴ مشاهده آب سطحی بریتانیا در سال‌های ۲۰۰۴ تا ۲۰۲۴ بود و ده پارامتر کیفیت آب در مدلسازی مورد استفاده قرار گرفت. QIHNN در مقایسه با Random Forest و Gradient Boosting دقت و عملکرد بهتری به دست آورد. تحلیل SHAP و اهمیت متغیرهای Random Forest، COD، کدورت و EC را به عنوان پارامترهای غالب شناسایی کردند. ترکیب Turbidity+EC+COD با R^2=0.9346و CE Score=7.48 بهترین توازن میان هزینه و دقت را داشت؛ در حالی که ترکیب پنج پارامتری R^2=0.9840را با هزینه ۱۶.۳ هزار دلار فراهم کرد. همچنین، ارزیابی اقتصادی ترکیبات مختلف پارامترها امکان شناسایی گزینه‌های کم هزینه برای پایش را فراهم ساخت و قابلیت کاربرد چارچوب پیشنهادی را در طراحی سامانه‌های پایش گسترده افزایش داد. چارچوب پیشنهادی، پیش‌بینی، تفسیرپذیری و تصمیم‌گیری اقتصادی را در یک ساختار یکپارچه تلفیق می‌کند. |
| کلیدواژه ها |
| شاخص کیفیت آب، آب های سطحی، شبکه عصبی الهام گرفته از کوانتوم، کاهش هزینه پایش |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
