Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

پژوهشنامه مدیریت حوزه آبخیز، دوره: 7، شماره: 13
Year: 1395
COI: JR_JWMR-7-13_011
Language: PersianView: 48
This Paper With 15 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

Abstract:

     پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. برای انجام این پیش­بینی، از روش­های متعددی مانند روش­های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می­توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی RBF هیبرید برای پیش­بینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه RBF پایه می­شود. بدین منظور آمار ماهانه تراز ایستابی دشت شاهرود و هم­چنین داده­های هواشناسی مانند دما، بارندگی، رطوبت و تبخیر، داده­های آب­های سطحی مانند دبی ورودی و خروجی به دشت شاهرود (دبی ورودی مجن آبشار، دبی ورودی تاش فرحزاد و دبی خروجی قلعه نو) طی یک دوره آماری ۱۹۹۴ تا ۲۰۱۰ استفاده شده است. بررسی داده­ها نشان می­دهد که برخی از داده­ها، هم­بسته بوده و دارای الگوی فصلی هستند، این مساله، پیش­بینی داده­ها را دشوار می­کند. بر این اساس، روش ارائه شده در این مقاله شامل مراحل غیرفصلی سازی،  نرمال­سازی و حذف داده­های وابسته است که پیش از این به آن در تحقیقات پرداخته نشده است. سپس از ۸۵ درصد داده­ها برای آموزش و از ۱۵ درصد آنها، برای تست مدل استفاده شده است. در نهایت، بررسی نتایج نشان می­دهد که مدل شبکه عصبی ارائه شده، تراز  آب دشت شاهرود را برای سه سال پیاپی با میانگین مربعات خطای ۰۲۵۷/۰ ­متر برای سال اول، ۰۲۷۰/۰ متر در سال دوم و ۰۴۵۲/۰ متر در سال سوم می­تواند پیش­بینی کند. همچنین در صورتی که بارش منطقه در یک سال، ۳۰ درصد کاهش یابد، نتایج پیش­بینی مدل مذکور نشان می­دهد که تراز  آب زیرزمینی ۷/۰ کاهش می­یابد.

Keywords:

Paper COI Code

This Paper COI Code is JR_JWMR-7-13_011. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1284369/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
اکبرزاده، فرزانه و حسن پور، حمید و امامقلی زاده، صمد،1395،پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی،https://civilica.com/doc/1284369

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 :

  • Amutha, R. and P. Porchelvan. ۲۰۱۱. Seasonal Prediction of Groundwater ...
  • Bortman, M. and M.A. Aladjem. ۲۰۰۹. Growing and Pruning Method ...
  • Constantinos, S., M. Hilas, K. Sotirios, J. Goudos and N. ...
  • Coulibaly, P., F. Anctil and B. Bobee. ۲۰۰۰. Daily Reservoir ...
  • Dehghani, A., A. Asgari and M. Mosaedi. ۲۰۰۹. Comparison of ...
  • Emamgholizadeh, S., S.M. Bateni and D.S. Jeng. ۲۰۱۳. Artificial Intelligence-Based ...
  • Emamgholizadeh, S., H. Kashi, I. Marofpoor and E. Zalaghi. ۲۰۱۳. ...
  • Emamgholizadeh S; K. Moslemi, G. Karami. ۲۰۱۴. Prediction the Groundwater ...
  • Fatahi, E., M. Delavar and K. Noohi. ۲۰۱۲. Prediction River ...
  • Montazer, G., M. Ghodsi, F. Nasiri, M. Javan and A. ...
  • Mohtashami, M., A. Dehghani, A. Akbarpour, M. Mefta Halghi and ...
  • Nikmanesh, M.R. and G.R. Rakhshandehroo. ۲۰۱۱. Forecasting Groundwater Level in ...
  • Ghose, D.K., P.S. Sudhansu and P.C. Swain. ۲۰۱۰. Prediction of ...
  • GÜldal, V. and T. Hakan. ۲۰۱۰. Comparison of Recurrent Neural ...
  • Livera, A.M., R.J. Hyndman and R.D. Snyder. ۲۰۱۱. Forecasting Time ...
  • Tseng, F.M., H.C. Yu and G.H. Tzeng. ۲۰۰۲. Combining Neural ...
  • Slowik, A. and M. Bialko. ۲۰۰۸. Training of Artificial Neural ...
  • Soltani, S. ۲۰۰۲. Evaluation of Artificial Neural Network in Predicting ...
  • Sreenivasulu, D. and P.C. Deka. ۲۰۱۱. Groundwater Level Forecasting Using ...
  • Yu, Z., S. Mason and G. Birch. ۲۰۰۳. Impact of ...
  • Zare Abyaneh, H., M. Bayat Varkeshi, S. Marofi and A.R. ...
  • Zhang, G.P. ۲۰۰۳. Time Series Forecasting Using a Hybrid ARIMA ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support