Temat: river sediment - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Heavy metal contamination in water, sediments and Planiliza subviridis tissue in the Donan River, Indonesia
Autorzy:: Siregar, Asrul S.
Sulistyo, Isdy
Prayogo, Norman A.
Powiązania:: https://bibliotekanauki.pl/articles/292541.pdf
Data publikacji:: 2020
Wydawca:: Instytut Technologiczno-Przyrodniczy
Tematy:: cadmium
Donan River Cilacap
lead
Planiliza subviridis
sediment
water
Opis:: Heavy metals like cadmium (Cd) and lead (Pb) are pollutants that are toxic, difficult to decompose and accumulate in biota. One of the biota that lives in the waters is mullet fish. This fish is demersal, has a relatively long life period, has a specific tolerance to the aquatic environment and highly consumable in Indonesia. Therefore need to know the metal content of Cd and Pb in water, sediments and mullet fish and their relationship in Indonesia. The study used a survey method with purposive random sampling at four stations, three replications. The study was conducted from June to November 2019. Analysis of data was descriptive, F-test and correlation. The results showed that the heavy metal content of Cd and Pb between stations in the water media, sediment and in mullet fish there was a significant difference. The highest Cd and Pb were showed in station III, coming from the oil industry, domestic waste and transportation activities. The heavy metal content of Cd and Pb in water, sediment and mullet fish (Planiliza subviridis) in the Donan River, Cilacap shows results exceeding the allowed threshold and danger to human health.
Źródło:: Journal of Water and Land Development; 2020, 45; 157-164
1429-7426
2083-4535
Pojawia się w:: Journal of Water and Land Development
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: A comparative study of artificial intelligence models for predicting monthly river suspended sediment load
Autorzy:: Rezaei, Khalil
Vadiati, Meysam
Powiązania:: https://bibliotekanauki.pl/articles/292569.pdf
Data publikacji:: 2020
Wydawca:: Instytut Technologiczno-Przyrodniczy
Tematy:: artificial intelligence
data-driven methods
Karaj dam
suspended sediment load
the Karaj River
Opis:: When high precision modelling is required, for example, with the estimation of suspended sediment load (SSL), data-driven models are preferred over physically-based numerical models for their real-time, short-horizon prediction ability. The investigation of SSL, as an important index in engineering practices assessment, like design and operation of the hydraulic structures not only shows the hydrological behaviour of the river, but also illustrates the valuable information about the water quality deterioration, surface-groundwater interaction and land-use changes of the watershed. The following data-driven methods were compared in order to predict SSL at the Seyra gauging station on the Karaj River in Iran: Fuzzy logic (FL), two adaptive neuro-fuzzy inference systems (i.e., ANFIS-GP and ANFIS-FCM models), an artificial neural network (ANN), and least squares support vector machine (LSSVM). Monthly average river flow and SSL data for 50 years were obtained from the Tehran Regional Water Authority (TRWA). The data was first divided into training, validation and test sets and the SSL was then predicted using the ANN, FL, ANFIS, and LSSVM models. The reliability of the applied models was evaluated by the correlation coefficient (R), root mean square error (RMSE), and mean absolute error (MAE). The results showed that the ANFIS models outperformed the ANN, FL, and LSSVM models for predicting SSL using the given input and output data. Overall, the performances of the artificial intelligence models used in the present study were satisfactory in predicting the non-linear behaviour of the SSL.
Źródło:: Journal of Water and Land Development; 2020, 45; 107-118
1429-7426
2083-4535
Pojawia się w:: Journal of Water and Land Development
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Forecasting suspended sediment load using regularized neural network: Case study of the Isser River (Algeria)
Prognozowanie ładunku zawiesiny z zastosowaniem regularyzowanej sieci neuronowej: przykład rzeki Isser w Algierii
Autorzy:: Tachi, S. E.
Ouerdachi, L.
Remaoun, M.
Derdous, O.
Boutaghane, H.
Powiązania:: https://bibliotekanauki.pl/articles/292434.pdf
Data publikacji:: 2016
Wydawca:: Instytut Technologiczno-Przyrodniczy
Tematy:: artificial neural network
Beni Amran reservoir
early stopping
Isser River
sediment load
ładunek zawiesiny
rzeka Isser
sztuczne sieci neuronowe
technika Early Stopping
zbiornik Beni Amran
Opis:: In the management of water resources in different hydro-systems it is important to evaluate and predict the sediment load in rivers. It is difficult to obtain an effective and fast estimation of sediment load by artificial neural network without avoiding over-fitting of the training data. The present paper comprises the comparison of a multi-layer perception network once with non-regularized network and the other with regularized network using the Early Stopping technique to estimate and forecast suspended sediment load in the Isser River, upstream of Beni Amran reservoir, northern Algeria. The study was carried out on daily sediment discharge and water discharge data of 30 years (1971–2001). The results of the Back Propagation based models were evaluated in terms of the coefficient of determination (R²) and the root mean square error (RMSE). Results of the comparison indicate that the regularizing ANN using the Early Stopping technique to avoid over-fitting performs better than non-regularized networks, and show that the overtraining in the back propagation occurs because of the complexity of the data introduced to the network.
Ocena i przewidywanie ładunku zawiesiny w rzekach są istotne w zarządzaniu zasobami wodnymi w różnych hydrosystemach. Trudno jest uzyskać efektywne i szybkie oszacowanie ładunku zawiesiny za pomocą sztucznych sieci neuronowych bez uniknięcia przepełnienia danymi. W niniejszej pracy porównano wyniki zastosowania wielowarstwowej sieci w dwóch wariantach – sieci nieregularyzowanej i sieci regularyzowanej z użyciem techniki Early Stopping do oceny i prognozowanie ładunku zawiesiny w rzece Isser powyżej zbiornika Beni Amran w północnej Algierii. Badania bazowały na notowaniach dobowego odpływu zawiesiny i danych dotyczących odpływu wody w ciągu 30 lat (1971–2001). Wyniki modeli opartych na metodzie wstecznej propagacji oceniono za pomocą współczynnika determinacji (R²) i pierwiastka ze średniego błędu kwadratowego. Porównanie wyników dowodzi, że sieć neuronowa regularyzowana przy pomocy techniki Early Stopping celem uniknięcia przeładowania sprawdza się lepiej niż sieć nieregularyzowana. Wyniki wskazują, że przeładowanie wstecznej propagacji ma miejsce z powodu złożoności danych wprowadzonych do sieci.
Źródło:: Journal of Water and Land Development; 2016, 29; 75-81
1429-7426
2083-4535
Pojawia się w:: Journal of Water and Land Development
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "river sediment" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język