مقایسه شبکه های عصبی مصنوعی و رویکرد زمین آماری در پیش بینی تراز آب زیرزمینی - مطالعه موردی آبخوان دشت مشهد
Publish place: 2nd Conference on Environmental Planning and Management
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,563
This Paper With 11 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:
ESPME02_389
تاریخ نمایه سازی: 22 خرداد 1391
Abstract:
تحقیق حاضر با هدف تعیین روش مناسب جهت تخمین تراز آب زیرزمینی و با مطالعه ی موردی دشت مشهد به مقایسه روش زمین آماری کریجینگ و شبکه های عصبی مصنوعی با معماری های مختلف پرداخته است. داده های مورد استفاده در تحقیق حاضر(دوره آماری 1366- 1359) شامل تراز ماهانه 84 حلقه چاه، بارش ماهانه، تبخیر و تعرق واقعی ماهانه و نوسانات مکانی وابسته در دو چاه همسایه بوده اند. تراز آب زیرزمینی در بُعد زمانی با 4 نوع شبکه عصبی و روش کریجینگ تخمین زده شده است. نتایج حاکی از بالاتر بودن دقت تخمین روش شبکه عصبی بازگشتی با الگوریتم آموزشی لونبرگ مارکوارت در تخمین زمانی 4 حلقه چاه نمونه به ترتیب با میانگین ضریب همبستگی و میانگین قدر مطلق 920/0 و 372/0 می باشد. شبکه عصبی پیشرو با الگوریتم آموزشی لونبرگ مارکوارت پس از روش مذکور از دقت بالاتری نسبت به سایر شبکه ها برخوردار می باشد. در تحقیق حاضر روش کریجینگ پس از ین دو روش نتیجه مطلوبی از خود نشان داده است.
Keywords:
Authors
مهدیه جمشیدی اوانکی
دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تهران
کیومرث ابراهیمی
استادیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران
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 :