مقایسه سیستم های هوش مصنوعی ANN و ANFIS در پیش بینی سطح آب زیرزمینی دشت بسطام
Publish place: 5th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,591
This Paper With 8 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:
شناسه ملی سند علمی:
NCWMSWRM05_213
تاریخ نمایه سازی: 19 اردیبهشت 1391
Abstract:
طبیعت پویای جریان آب های زیرزمینی در پاسخ به تنش های اقلیمی و انسانی و پیچیدگی سیستم آن و نیزداشتن فاکتورهای غیرخطی مرتباً در حال تغییر است. از آنجاییکه آب های زیرزمینی بزرگترین منبع آب قابل شرببرای انسان ها می باشند و تعادل میزان آب نیز در حال کاهش است، پیش بینی سطح آب زیرزمینی جهت برنامه ریزی و مدیریت آن کاری بسیار مهم می باشد. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیدهایهیدرولوژی و هیدروژئولوژی افزایش چشمگیری داشته است. هدف از تحقیق حاضر پیش بینی سطح آب زیرزمینی دشت بسطام با استفاده از سیستم های هوش مصنوعی و مقایسه این سیستم ها با هم میباشد. بدین منظور پتانسیلسیستم استنتاج تطبیقی عصبی فازی ) ANFIS ( و شبکه عصبی مصنوعی ) ANN ( در پیش بینی سطح آب زیرزمینی مورد بررسی قرار گرفت. از دادهای ماهانه هواشناسی شامل دما، تبخیر، رطوبت نسبی و بارش و همچنین میزان برداشت ماهانه به عنوان ورودی، و سطح آب زیرزمینی به صورت ماهانه به عنوان خروجی روش های ANN و ANFISاستفاده شد. کارایی روش های مورد مقایسه، با استفاده از آماره های ریشه میانگین مجذور خطا ) RMSE ( و ضریب تعیین)همبستگی( ) R2 ( مورد ارزیابی قرار گرفت. نتایج این تحقیق نشان می دهد که شبکه سیستم استنتاج تطبیقیعصبی فازی در مقایسه با شبکه عصبی مصنوعی پیش بینی دقیق تری از سطح آب زیرزمینی ارائه میدهد
Keywords:
Authors
خدیجه مسلمی
دانشجوی کارشناسی ارشد، دانشکده علوم زمین، دانشگاه صنعتی شاهرود، شاه
صمد امام قلی زاده
استادیار، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران
غلامحسین کرمی
دانشیار، دانشکده علوم زمین، دانشگاه صنعتی شاهرود، شاهرود، ایران
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 :