پیش بینی سطح آب زیرزمینی دشت بسطام با استفاده از شبکه عصبی مصنوعی

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,648

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCWMSWRM05_214

تاریخ نمایه سازی: 19 اردیبهشت 1391

Abstract:

شبیه سازی سیستم آب های زیرزمینی به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسرنیست و به منظور مدیریت منابع آب های زیرزمینی مدلسازی آبخوان ها ضرورت دارد. تاکنون مد لهای زیا دی جهتپیش بینی سطح آب زیرزمینی ارائه شده است. از جمله این مد ها می توان به مد های سری زمانی تجربی و مد لهای فیزیکی اشاره کرد. اما این مد ها نمی توانند پیش بینی صحیحی از سطح آب زیرزمینی ارائه نمایند. در سا لها ی اخیارمد های غیرخطی ارائه شده اند که می توانند پیش بینی نسبتاً درستی از سطح آب زیرزمینی انجام دهناد، یکی از این مد ها شبکه های عصبی مصنوعی می باشد. هدف از انجام این تحقیق ارزیا ابی تواناا یی شبکه های عصب ی مختلف درپیش بینی سطح آب زیرزمینی دشت بسطام در شهرستان شاهرود می باشد. ساختارهای مختلف مورد استفاده در ا ین تحقیق شامل دو شبکه عصبی )پیشرو و تابع شعاعی( و دو الگوریتم )لونبرگ مارکوارت و پس انتشار خطا( میباشد . از - میان ساختارهای مختل مورد استداده، بهترین نتایج پیشبینای ساطح آب ز یرزمینی مربوط به شبک ه هاا ی عصب یمصنوعی پیشرو با الگوریتم پس انتشار خطا ) FNN-BP ( می باشد

Keywords:

سطح آب زیرزمینی , شبکه های عصبی مصنوعی , دشت بسطام

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 :