ورود
مقالات فارسیISIکنفرانسهاژورنالها

مقایسه مدل عددی، روش های هوشمند عصبی و زمین آمار در تخمین سطح آب زیرزمینی

Publish place: Journal of Applied Researches in Geographical Sciences، Vol: 18، Issue: 48
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 208

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1230831

شناسه ملی سند علمی:

JR_JGSKH-18-48_010

تاریخ نمایه سازی: 24 خرداد 1400

Abstract:

مدل سازی به عنوان روشی کارآمد با کم­ترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم می نماید. هدف این تحقیق مقایسه مدل عددی، روش­های هوشمند عصبی و زمین آمار در مدل سازی تغییرات سطح آب زیرزمینی می باشد. بدین منظور اطلاعات آبخوان دشت همدان – بهار به عنوان یکی از مهم ترین منابع تامین آب منطقه، مورد مطالعه قرار گرفت. در این پژوهش از کد عددی MODFLOW در نرم­افزار GMS، شبکه عصبی مصنوعی و روش عصبی - فازی در نرم افزار NeuroSolution، روش عصبی – موجک در نرم­افزار MATLAB و روش زمین آمار در نرم افزار ArcGIS استفاده گردید. مقایسه نتایج نشان داد که دقت روش های محاسبه سطح آب زیرزمینی برحسب کم­ترین آماره مجذور میانگین مربعات خطای نرمال (NRMSE)، به ترتیب به روش عصبی - موجک، عصبی – فازی، زمین آمار، شبکه عصبی مصنوعی و مدل عددی تعلق داشت. به طوری که مقدار آماره NRMSE در روش عصبی - موجک به عنوان روش بهینه، برابر ۰/۱۱درصد و در روش مدل عددی برابر ۲/۲ درصد بدست آمد. مقدار ضریب همسبتگی روش های فوق به ترتیب ۰/۹۹۸و ۰/۹۰۴بود. بنابراین می توان کاربرد روش­ های ترکیبی هوشمند عصبی به ویژه نظریه موجک را در محاسبه سطح آب زیرزمینی مناسب تر از روش زمین آمار و مدل عددی دانست. ضمن آن که در روش­ های هوشمند عصبی از متغیرهای زودیافت طول و عرض جغرافیایی و ارتفاع از سطح دریا به عنوان بردار اطلاعات ورودی استفاده شد . نتایج پهنه بندی سطح آب زیرزمینی آبخوان نیز گویای روند کاهش سطح آب زیرزمینی از بخش غرب به شرق آبخوان بود که همسو با گرادیان هیدرولیکی می باشد.  

Keywords:

Authors

مریم بیات ورکشی

malayer university

روژین فصیحی

malayer university

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 :