شبیه سازی شوری آب زیرزمینی با تلفیق قابلیت های شبکه عصبی مصنوعی و سیستم اطلاعات جغرافیایی در سواحل جنوبی خزر
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 348
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JISE-42-4_013
تاریخ نمایه سازی: 6 خرداد 1399
Abstract:
باتوجهبهشرایطکشورایرانبه لحاظ کمبودمنابعآبسطحی،استفادهازمنابعآبزیرزمینیبرایتامینآبمورد توجه قرار گرفتهاست. انجام آزمایشهای کیفی، زمانبر و پرهزینه است. بنابراین، استفاده از مدلها برای شبیهسازی کیفیت آب متداول شده است. در تحقیق حاضر شبکه عصبیمصنوعی برای شبیهسازی شوری آب زیرزمینی و سیستم اطلاعات جغرافیایی (GIS) بهعنوان پیشپردازنده و پسپردازنده در شبیهسازی در سطح دشت مازندران استفاده شد. شوری آب زیرزمینی با استفاده از شبکه پرسپترون چندلایه (MLP) و با در نظر گرفتن هدایت الکتریکی(EC) آب زیرزمینی و کمی نمودن عوامل موثر در شوری آب، شبیهسازی گردید. سپس، آزمون یا اعتباریابی مدل و تایید کارایی مدل انجام پذیرفت. در محیط سیستم اطلاعات جغرافیایی، سطح دشت مطالعاتی به سلولهای یک در یک کیلومتری به فرمت رستری جدا شد و از تلفیق لایههای ورودی مدل، لایه زمین مرجع عوامل شوری آب تهیه گردید. مقادیر کمی برای هر سلول بههمراه مختصات به محیط شبکه عصبی وارد گشت و شبیهسازی شوری آب زیرزمینی برای مکانهای فاقد آمار با شبکه بهینه اعتباریابی شده، انحام پذیرفت. سپس، نتایج با توجه به دستیابی مقادیر ضریب تعیین GIS وارد و نقشه یا لایه رستری شوری آب زیرزمینی براساس نتایج شبیهسازی شبکه عصبی تهیه شد. نتایج با توجه به دستیابی مقادیر ضریب تعیین 78/0=2 Rو معیار میانگین مربعات خطای RMSE برابر با 122/0 در مرحله آزمون با ارزیابی کارایی شبکه عصبی و همچنین تحلیل همپوشانی مقادیر برآوردی و مقادیر مشاهداتی در محیط GIS، دلالت بر دقت و کارایی تلفیق شبکه عصبی و GIS در مطالعات داشته است.
Keywords:
Authors
مرحمت سبقتی
دانشجوی دکتری منابع طبیعی_ آبخیزداری، دانشگاه ارومیه
وحید غلامی
دانشیار دانشکده منابع طبیعی دانشگاه گیلان- گروه مرتع و آبخیزداری.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :