ارزیابی مدل شبکه های بیزین در پیش بینی ماهانل سطح آب زیرزمینی (مطالعه موردی: آبخوان بیرجند)

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 300

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWIM-5-2_001

تاریخ نمایه سازی: 3 مرداد 1400

Abstract:

اساس برنامه ریزی های منابع آب بر پایه حجم آب قابل استحصال در آبخوان است و برآورد دقیق این حجم از آب زیرزمینی، کمک شایانی به توسعه می کند. در این مطالعه، از مدل های بیزین با استفاده از دو ساختار خوشه بندی و صریح برای شبیه سازی سطح آب زیرزمینی آبخوان بیرجند استفاده شد. پنج متغیر تغذیه آبخوان، سطح ایستابی، دما، تبخیر و برداشت از آب زیرزمینی در ماه قبل به عنوان متغیرهای ورودی به شبکه بیزین و سطح آب زیرزمینی در ماه کنونی، به عنوان متغیر خروجی آزموده شد. در سناریوی صریح تحلیل و آموزش داده های ورودی بر اساس پیوستگی و با لحاظ کردن عدم قطعیت حاکم بر پارامترها انجام و در سناریوی خوشه بندی بر اساس شاخص های اعتبار سنجی تعداد خوشه بندی مناسب برای شبیه سازی انتخاب و شبیه سازی انجام پذیرفت. نتایج نهایی نشان داد که شبکه بیزین در شبیه سازی سطح آب زیرزمینی تحت عدم قطعیت ابزار قوی بوده و متوسط ضریب تبیین برای ۱۳ پیزومتر در آبخوان، ۸۳/۰ در حالت صریح و ۵۶/۰ در حالت خوشه بندی است. همچنین استفاده از ساختار صریح برای پیش بینی سطح آب زیرزمینی در هر پیزومتر آبخوان، می تواند با هم بستگی بیشتر به کار برده شود.

Authors

حمید کاردان مقدم

دانشجوی دکتری منابع آب، پردیس ابوریحان، دانشگاه تهران

عباس روزبهانی

استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

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 :
  • محتشم، م. دهقانی، ا. اکبرپور، ا. مفتاح هلقی، م. اعتباری، ...
  • Ammar Kh, McKee M and Kaluarachchi (۲۰۱۱). Bayesian Method for ...
  • Biondi D and De Luca, D.L (۲۰۱۲). A Bayesian approach ...
  • Chung Y.W, (۲۰۰۸). Prediction water table fluctuation using artifical neural ...
  • Davies D.L and Bouldin D.W (۱۹۷۹). A cluster separation measure. ...
  • Emamgholizadeh S, Moslemi Kh and Karami G (۲۰۱۴). Prediction the ...
  • Hantush M and Chaudhary A (۲۰۱۴). Bayesian Framework for Water ...
  • Hugin, ۲۰۰۷. www.Hugin.com (Accessed May ۲۰۰۷) ...
  • Kumar S and Singh S (۲۰۱۵). Forecasting Groundwater Level Using ...
  • Lauritzen S. L(۱۹۹۶). Graphical models. Oxford: Clarendon press ...
  • Madadgar Sh and Moradkhani H (۲۰۱۴). Spatio-temporal drought forecasting within ...
  • Maiti S and Tiwari R.K (۲۰۱۴). A comparative study of ...
  • Moosavi V, Vafakhah M, Shir mohammadi B, Behnia N (۲۰۱۳). ...
  • Nash D and Hannah M (۲۰۱۱). Using Monte-Carlo simulations and ...
  • Rousseeuw P.J. (۱۹۸۷). Silhouettes: a graphical aid to the interpretation ...
  • Sahoo S and Madan K.J (۲۰۱۳). Groundwater-level prediction using multiple ...
  • نمایش کامل مراجع