چکیده مقاله
هدف و زمینه: کیفیت آب شرب یکی از چالش های اصلی بهداشت عمومی در کلان شهرهای ایران، به ویژه تهران، است روش های سنتی پایش کیفیت آب، مبتنی بر نمونه برداری دوره ای و آنالیز آزمایشگاهی، قادر به تشخیص به موقع آلودگی های ناگهانی و ارائه هشدارهای زودهنگام نیستند این پژوهش با هدف توسعه سیستمی برای پایش و پیش بینی لحظه ای شاخص کیفیت آب شرب Water Quality Index, WQI با استفاده از فناوری اینترنت اشیا Internet of Things, IoT و مدل های یادگیری عمیق Deep Learning در شهر تهران انجام شد روش کار: معماری سیستم پیشنهادی شامل سه لایه است: لایه حسگرهای IoT برای جمع آوری داده های لحظه ای پارامترهای فیزیکوشیمیایی pH، کدورت، هدایت الکتریکی، نیترات، کلر آزاد، دما ، لایه پردازش و انتقال داده ها از طریق پروتکل های بی سیم، و لایه هوش مصنوعی مبتنی بر شبکه های Long Short Term Memory LSTM برای پیش بینی WQI داده های واقعی از دو منبع استخراج شد: داده های تاریخی ۶۶ نمونه از شبکه توزیع آب جنوب غربی تهران و داده های پایش ماهانه ۳۶ ایستگاه در جنوب تهران ۲۰۲۰ ۲۰۲۴ مدل LSTM با ۱۲۸ نورون در لایه اول و ۶۴ نورون در لایه دوم طراحی و با نسبت ۷۰% آموزش، ۱۵% اعتبارسنجی و ۱۵% آزمون آموزش داده شد یافته ها: مدل LSTM پیشنهادی با ضریب تعیین ۰ ۹۶۷ R² و خطای جذر میانگین مربعات ۲ ۸۴ RMSE ، دقت بالایی نشان داد این مدل نسبت به شبکه عصبی مصنوعی ANN و جنگل تصادفی Random Forest به ترتیب ۸ ۳ و ۵ ۷ درصد دقت بهتری داشت سیستم پیشنهادی ۹۴ ۲% از رویدادهای افت کیفیت آب WQI
کلیدواژه‌ها
نویسندگان
صیاد مردانیان
کارشناس ناظر نگهداری و تعمیرات تاسیسات و شبکه های آبرسانی، شرکت آب و فاضلاب استان قزوین
شیوه ارجاع
مردانیان، صیاد،1404،پیش بینی لحظه ای شاخص کیفیت آب شرب (WQI) با استفاده از اینترنت اشیا و شبکه های یادگیری عمیق: رویکردی نوین برای پایش کیفیت آب در تهران،سومین کنفرانس و نمایشگاه ملی چالش های محیط زیستی: نقش صنعت، معدن و جامعه در گسترش حکمرانی سبز،تهران
ارائه‌شده در
مجموعه مقالات سومین کنفرانس و نمایشگاه ملی چالش های محیط زیستی: نقش صنعت، معدن و جامعه در گسترش حکمرانی سبز19 آبان 1404 · تهران