توسعه و ترکیب مدل های زمین آمار و محاسبات نرم در برآورد توزیع مکانی سطح آب زیرزمینی
Publish place: Water and Soil Resources Conservation، Vol: 6، Issue: 4
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 252
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_WSRCJ-6-4_002
Index date: 26 October 2021
توسعه و ترکیب مدل های زمین آمار و محاسبات نرم در برآورد توزیع مکانی سطح آب زیرزمینی abstract
از اساسی ترین موارد در مدیریت کمی منابع آب زیرزمینی، تخمین سطح آب با استفاده از داده های برداشت شده از شبکه چاه های مشاهده ای است. هدف از این پژوهش، میان یابی سطح آب زیرزمینی با استفاده از زمین آمار و محاسبات نرم در منطقهای از دشت های بم نرماشیر و رحمت آباد (استان کرمان) با مساحت ۱۹۰۲۸ کیلومتر مربع به عنوان نمونه میباشد. از روش های کریجینگ ساده و عکس فاصله وزنی و همچنین مدل های شبکه عصبی مصنوعی، سیستم استنتاج فازی-عصبی انطباقی و برنامه ریزی بیان ژن برای پیش بینی توزیع مکانی سطح آب زیرزمینی استفاده و بهترین مدل از بین مدل های هوشمند و زمین آماری انتخاب و برای نمونه برداری بیشتر در منطقه مورد مطالعه استفاده شد. بدینمنظور از اطلاعات مربوط به نمونه های حاصل از ۶۵ حلقه چاه در طول آماری سال ۱۳۸۱ تا ۱۳۹۰ استفاده شد. برای مقایسه مدل ها معیارهای آماری RMSE، R۲، AARE و MAE بهکار بسته شدند. نتایج نشان داد در بین مدل های هوشمند با ورودی طول جغرافیایی و عرض جغرافیایی، شبکه عصبی مصنوعی و در بین مدل های زمین آماری، روش عکس فاصله وزنی با داشتن کمترین RMSE (به ترتیب ۱۳۸/۷ و ۰۶۲/۱۵ متر) و AARE(به ترتیب ۳۳ و ۴۷ درصد) و بیشترین R۲ (به ترتیب ۶۰۶/۰ و ۵۹۱/۰ ) مناسب ترین مدل جهت برآورد به ترتیب نقطه ای و ناحیه ای سطح آب زیرزمینی می باشد. در نهایت مدل هیبرید IDW-ANN جهت تخمین و پهنه بندی سطح آب زیرزمینی در آینده انتخاب شد.
توسعه و ترکیب مدل های زمین آمار و محاسبات نرم در برآورد توزیع مکانی سطح آب زیرزمینی Keywords:
توسعه و ترکیب مدل های زمین آمار و محاسبات نرم در برآورد توزیع مکانی سطح آب زیرزمینی authors
سامان معروف پور
دانشگاه تبریز
احمد فاخری فرد
هیئت علمی دانشگاه تبریز
جلال شیری
هیئت علمی دانشگاه تبریز
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 :