بررسی امکان جایگزینی روش ANFIS به جای روش های متداول میانیابی و زمین آمار در تخمین تغییرات مکانی سطح ایستابی زیرزمینی
Publish place: Irrigation and Drainage، Vol: 8، Issue: 2
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 187
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-8-2_014
تاریخ نمایه سازی: 25 اردیبهشت 1400
Abstract:
تغییرات سطح آب زیرزمینی از فاکتورهای مهم و تاثیرگذار در مطالعه و مدیریت منابع آب زیرزمینی جهت کاربرد در کشاورزی، شرب و صنعت میباشد. کمبود تعداد نقاط برداشت و تعداد قرائت، به دلیل محدودیتهای مالی و زمانی، دسترسی به این اطلاعات را محدود مینماید. بنابراین کاربرد روشهای میانیابی و تخمین سطح آب در نقاط مشخص بر اساس اطلاعات نقاط همجوار از جایگاه ویژهای در مطالعات منابع آب زیرزمینی برخوردار است. در این پژوهش روشهای متداول میانیابی، روش زمین آمار کریجینگ و سیستم هوش مصنوعی استنتاج عصبی-فازی تطبیقی برای اراضی دشت ناز شهرستان ساری مورد ارزیابی قرار گرفتند. این پژوهش نشان میدهد که سه روش انحنای کمینه، کریجینگ و سیستم استنتاجی عصبی-فازی تطبیقی به ترتیب با مقادیر RMSE، ۳۲/۵۶، ۱۲/۵۵ و ۹۷/۵۳ سانتیمتر و میانگین خطای مطلق ۴۳، ۴۲.۵۴ و ۴۲.۹۴ درصد و همینطور مقادیرR۲ ۵۶/۰ ، ۵۴/۰ و ۵۵/۰، از دقت تقریبا یکسانی در میانیابی سطح آب زیرزمینی در منطقه مورد مطالعه برخوردارند اگرچه که بهدلیل نوسانات زیاد سطح آب در این اراضی که بین ۱۲ تا ۳۱۵ سانتیمتر متغیر میباشد، هیچکدام از این روشها از دقت بالا و قابل قبولی برخوردار نیستند. علاوه بر این در سیستم استنتاج فازی-عصبی تطبیقی، روش منقطع سازی با تابع عضویت trapmf در لایه ورودی و ۵ عدد تابع به ازای هر ورودی و تابع عضویت constant برای لایه خروجی به همراه الگوریتم یادگیری پیوندی و در روشهای متداول میانیابی و کریجینگ پارامترهای پیشفرضهای نرم افزار surfur بهترین نتایج را بهدست میدهند.
Keywords:
Authors
حسین شریفان
دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
علی طاهری امیری
دانشجوی دکتری، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، 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 :