پیشبینی پیشروی آب شور در آبخوان ساحلی با استفاده از ماشینبردار پشتیبان رگرسیونی بهعنوان مدل جایگزین
Publish place: Journal of Water and Wastewater، Vol: 31، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 393
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WWJ-31-2_009
تاریخ نمایه سازی: 3 آذر 1399
Abstract:
پیشبینی هجوم آب شور به آبخوان ساحلی در اثر تغییر میزان برداشت از آب زیرزمینی یکی از پیشنیازهای مدیریت آب زیرزمینی است. این پژوهش قابلیت انواع مختلف مدلهای ماشینبردار پشتیبان رگرسیونی (SVR) را برای پیشبینی میزان شوری در چاه پایش منتخب در یک آبخوان ساحلی کوچک تحت شرایط مختلف برداشت آب زیرزمینی بررسی میکند. مدلهای SVR با مجموعههای ورودی (پمپاژگذرای تصادفی از چاههای آبده) حاصل از نمونهبرداری ابرمکعب لاتین و خروجی (غلظت شوری در چاه پایش منتخب) آموزش یافته و آزمایش شدند. سپس، مدلهای آموزش یافته و آزمایش شده برای پیشبینی میزان شوری در چاه پایش منتخب برای مجموعه دادههای جدید پمپاژ استفاده شدند. قابلیت پیشبینی و تعمیمدهی عملی مدلها در مقایسه با مدل رایج شبکه عصبی مصنوعی با استفاده از شاخصهای ارزیابی مختلف بررسی شد. نتایج ارزیابی عملکرد مدلها نشان داد که قابلیت پیشبینی مدل SVR چندجملهای بر سایر مدلها برتری دارد. همچنین همه مدلهای SVR مورد بررسی بهجز مدل SVR خطی، پیشروی آب شور را بهطور قابل قبولی پیشبینی کردند. قابلیت پیشبینی و تعمیمدهی مدلهای SVR چندجملهای، استفاده از آنها را برای اتصال به الگوریتم بهینهسازی در شیوه بهینهسازی- شبیهسازی مبتنی بر مدل جانشین برای مدیریت آبخوانهای ساحلی توصیه میکند.
Keywords:
Authors
فاطمه فعال
دانشجوی دکترا، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
حمیدرضا غفوری
استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهبد چمران اهواز، اهواز، ایران
سید محمد اشرفی
استادیار، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
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 :