تم انجاز رسالة الماجستير للطالبة زينب جابر محمد في قسم الهندسة الموارد المائية عن بحثها الموسوم “نمذجة نوعية المياه ضمن محافظة واسط بأستخدام الشبكة العصبية الإصطناعية “وبأشراف أ.د. رافع هاشم السهيلي وتألفت لجنة المناقشة برئاسة أ.د. احمد عبد الصاحب محمد علي وعضوية كل من, أ.م.د. خالد عادل عبد الرزاق , أ.م.د. أياد صليبي مصطفى
وتلخص بحثة بما يلي :
تم في هذا البحث أستخدام نماذج الشبكات العصبية الصناعيه(ANN) لمحاولة تخمين البيانات المفقودة في موقع واحد أو موقعين أو ثلاث مواقع لمناسيب المياه, لمعاملات نوعية المياه في نهر دجلة في منطقة محافظة واسط. غالبآ ما تكون البيانات الموزعة مكانيآ تحتوي على بيانات مفقودة غير مقاسة وعلى ذلك فأن بناء نموذج يخمن هذه البيانات المقاسة في مواقع أخرى بدقة عالية يصبح ضروريآ.
أن المواقع المختارة لمناسيب المياه هي(14) موقع قياس على نهر دجلة في محافظة واسط و هذه المواقع هي (الصويرة, العزيزية, الزبيدية, النعمانية, ناظم1u/s, ناظم1d/s, ناظم2u/s, ناظم2d/s, الغرافu/s, الغرافd/s, الكوتu/s, الكوتd/s, شيخ سعد و المصندك).
أما المواقع المختارة لنمذجة البيانات المفقودة لمعايير نوعية المياه فكانت في خمسة مواقع هي (الصويرة, النعمانية, الكوتu/s, الكوتd/s, الغراف) تم أختيار هذه المواقع حسب البيانات المتوفرة فيها.
تم اعتماد نوعين أساسين من نماذج الشبكات العصبية, النموذج الأول هو نموذج ذو متغير واحد و متعدد المواقع. اما النموذج الثاني فكان لعدة متغيرات و عدة مواقع . لكل نوع من النماذج أعلاه تم أيجاد نماذج فرعية و هي عندما تكون البيانات مفقودة في موقع واحد, موقعين أو ثلاثة.
تم تطوير نموذج ثالث اعتمادآ على نتائج نماذج النوع الثاني المشار اليها أعلاه و هي نماذج المتغيرات المتعددة للمواقع المتعددة, و ذلك لأن هذه النماذج الأعتيادية المعروفة فشلت في أيجاد معاملات أرتباط لكل المتغيرات في المواقع المفقودة فيها البيانات. حيث أن نتائج النماذج أعطت معاملات أرتباط عالية لبعض المتغيرات و قليلة لمتغيرات أخرى. أن تغيير معاملات نماذج الشبكات العصبية في عملية النمذجة مثل تقسيم البيانات,معدل التعلم, دوال التفعيل لم يحل المشكلة حيث تسبب في زيادة بعض معاملات الأرتباط و الواطئة الناتجة من المحاولة الأولى و لكن بذات الوقت يقلل بعض معاملات الأرتباط الأخرى. و لهذا السبب فقط تم تطوير هذه النماذج الى نماذج أخرى تتضمن أختيار المتغيرات ذات معاملات الأرتباط الواطئة و ادخالها كمتغيرات أضافية بعد عملية تربيعها. بذلك تكون المدخلات هي قيم المتغيرات الأعتيادية الخطية مضافآ لها متغيرات أخرى تمثل مربع هذه المتغيرات . سمي هذا النموذج بنموذجANN متعدد المتغيرات و متعدد المواقع بصيغة مدخلات غير خطية.Non-linear Input ANN Model
بعد تجربة هذه النماذج وجد بأنها لها القابلية على حل مشكلة أيجاد معاملات أرتباط عالية لجميع المتغيرات المخمنة في آن واحد.
مقارنة النتائج للنماذج الثلاث المعتمدة فأنها أعطت مايأتي: بخصوص نماذج المتغير الواحد كانت معاملات الأرتباط عالية للحالات الثلاثة الخاصة بنماذج الموقع الواحد المفقودM1, الموقعين المفقودينM2 ولثلاث مواقع المفقودةM3و كانت حدود معاملات الأرتباط لهذه النماذج هي(0.822-0.992).
أما نماذج المتغيرات المتعددة و المواقع المتعددة الخطي فقط أعطت نتائج معاملات أرتباط عالية لبعض المتغيرات و أخرى واطئة للمتغيرات الأخرى حيث كانت تتراوح بين(0.016-0.972).
أما النماذج المطورة غير الخطية فلقد أعطت معاملات أرتباط عالية لجميع المتغيرات في آن واحد(0.718-0.996).
تم بناء نموذج بأستخدام لغة البرمجة الأساسية المرئية (VB)لأدخال النماذج الخطية و غير الخطية و بواجهات سهلة التطبيق لغرض الأستفادة منها بسهولة من قبل المستخدم دون الرجوع الى معاملات النماذج و عمليات الحساب الطويلة و الصعبة.
وتلخص بحثة بما يلي :
تم في هذا البحث أستخدام نماذج الشبكات العصبية الصناعيه(ANN) لمحاولة تخمين البيانات المفقودة في موقع واحد أو موقعين أو ثلاث مواقع لمناسيب المياه, لمعاملات نوعية المياه في نهر دجلة في منطقة محافظة واسط. غالبآ ما تكون البيانات الموزعة مكانيآ تحتوي على بيانات مفقودة غير مقاسة وعلى ذلك فأن بناء نموذج يخمن هذه البيانات المقاسة في مواقع أخرى بدقة عالية يصبح ضروريآ.
أن المواقع المختارة لمناسيب المياه هي(14) موقع قياس على نهر دجلة في محافظة واسط و هذه المواقع هي (الصويرة, العزيزية, الزبيدية, النعمانية, ناظم1u/s, ناظم1d/s, ناظم2u/s, ناظم2d/s, الغرافu/s, الغرافd/s, الكوتu/s, الكوتd/s, شيخ سعد و المصندك).
أما المواقع المختارة لنمذجة البيانات المفقودة لمعايير نوعية المياه فكانت في خمسة مواقع هي (الصويرة, النعمانية, الكوتu/s, الكوتd/s, الغراف) تم أختيار هذه المواقع حسب البيانات المتوفرة فيها.
تم اعتماد نوعين أساسين من نماذج الشبكات العصبية, النموذج الأول هو نموذج ذو متغير واحد و متعدد المواقع. اما النموذج الثاني فكان لعدة متغيرات و عدة مواقع . لكل نوع من النماذج أعلاه تم أيجاد نماذج فرعية و هي عندما تكون البيانات مفقودة في موقع واحد, موقعين أو ثلاثة.
تم تطوير نموذج ثالث اعتمادآ على نتائج نماذج النوع الثاني المشار اليها أعلاه و هي نماذج المتغيرات المتعددة للمواقع المتعددة, و ذلك لأن هذه النماذج الأعتيادية المعروفة فشلت في أيجاد معاملات أرتباط لكل المتغيرات في المواقع المفقودة فيها البيانات. حيث أن نتائج النماذج أعطت معاملات أرتباط عالية لبعض المتغيرات و قليلة لمتغيرات أخرى. أن تغيير معاملات نماذج الشبكات العصبية في عملية النمذجة مثل تقسيم البيانات,معدل التعلم, دوال التفعيل لم يحل المشكلة حيث تسبب في زيادة بعض معاملات الأرتباط و الواطئة الناتجة من المحاولة الأولى و لكن بذات الوقت يقلل بعض معاملات الأرتباط الأخرى. و لهذا السبب فقط تم تطوير هذه النماذج الى نماذج أخرى تتضمن أختيار المتغيرات ذات معاملات الأرتباط الواطئة و ادخالها كمتغيرات أضافية بعد عملية تربيعها. بذلك تكون المدخلات هي قيم المتغيرات الأعتيادية الخطية مضافآ لها متغيرات أخرى تمثل مربع هذه المتغيرات . سمي هذا النموذج بنموذجANN متعدد المتغيرات و متعدد المواقع بصيغة مدخلات غير خطية.Non-linear Input ANN Model
بعد تجربة هذه النماذج وجد بأنها لها القابلية على حل مشكلة أيجاد معاملات أرتباط عالية لجميع المتغيرات المخمنة في آن واحد.
مقارنة النتائج للنماذج الثلاث المعتمدة فأنها أعطت مايأتي: بخصوص نماذج المتغير الواحد كانت معاملات الأرتباط عالية للحالات الثلاثة الخاصة بنماذج الموقع الواحد المفقودM1, الموقعين المفقودينM2 ولثلاث مواقع المفقودةM3و كانت حدود معاملات الأرتباط لهذه النماذج هي(0.822-0.992).
أما نماذج المتغيرات المتعددة و المواقع المتعددة الخطي فقط أعطت نتائج معاملات أرتباط عالية لبعض المتغيرات و أخرى واطئة للمتغيرات الأخرى حيث كانت تتراوح بين(0.016-0.972).
أما النماذج المطورة غير الخطية فلقد أعطت معاملات أرتباط عالية لجميع المتغيرات في آن واحد(0.718-0.996).
تم بناء نموذج بأستخدام لغة البرمجة الأساسية المرئية (VB)لأدخال النماذج الخطية و غير الخطية و بواجهات سهلة التطبيق لغرض الأستفادة منها بسهولة من قبل المستخدم دون الرجوع الى معاملات النماذج و عمليات الحساب الطويلة و الصعبة.
