مقایسه روش های زمین آمار و شبکه عصبی مصنوعی در تخمین سطح آب زیرزمینی(مطالعه موردی: دشت نورآباد، استان لرستان)

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 146

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ESTJ-18-1_004

تاریخ نمایه سازی: 19 مهر 1400

Abstract:

زمینه و هدف: در بررسی مسایل ژئوهیدرولوژی، تغییرات سطح ایستابی از اهمیت بسیار بالایی برخوردار است. بنابراین تحقیق و پژوهش در تخمین نقاط فاقد اطلاعات ضروری می باشد. روش بررسی: یکی از روش های مهم در برآورد سطح ایستابی آب های زیرزمینی درون یابی است. طی چند دهه اخیر به دلیل وجود همبستگی مکانی بین مقادیریک متغیر در یک ناحیه مبانی علم زمین آمار  به خوبی گسترش یافته و توانایی های این شاخه از آمار در بررسی و پیش بینی متغیرهای مکانی گسترش یافته است. در این پژوهش درون یابی سطح آب زیرزمینی دشت نورآباد واقع در استان لرستان، با استفاده از  روش های زمین آمار مورد بررسی قرار گرفته و نتایج آن با روش های مرسوم هوشمند همچون شبکه عصبی مصنوعی مقایسه گردید. معیارهای متوسط قدرمطلق خطا، متوسط خطای اریب، ریشه میانگین مربعات خطا و انحراف استاندارد عمومی برای ارزیابی و عملکرد روش ها مورد استفاده قرار گرفت. یافته ها: نتایج حاصل نشان داد با تحلیل مکانی تغییرات سطح ایستابی آب های زیرزمینی، روش کوکریجینگ ساده با مدل دایره ای توانسته با متوسط قدرمطلق خطای ۰۰۰۱/۰، متوسط خطای اریب ۰۳۴۷/۰، ریشه میانگین مربعات خطا( m۰۴۵۱/۰ و انحراف استاندارد ۳/۲۰ نسبت به سایر روش ها در اولویت قرار گرفت. بحث و نتیجه گیری:در مجموع نتایج نشان داد که روش کوکریجینگ توانایی بالایی در درون یابی و تخمین مقادیر کمینه و بیشینه سطح آب های زیرزمینی دارد.

Authors

رضا دهقانی

کارشناس ارشد منابع آب، دانشکده کشاورزی، دانشگاه تبریز (مسوول مکاتبات).

عاطفه نورعلیئی

کارشناس ارشد منابع آب، دانشکده کشاورزی، دانشگاه بوعلی سینا

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 :