مقایسه شبکه عصبی برگشتی(RNN) و شبکه عصبی شعاعی (RBF) به منظور پیش بینی تراز آب های زیرزمینی (مطالعه موردی : آبخوان دشت روانسر-سنجابی)

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 181

This Paper With 29 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_GEOIR-2-1_006

تاریخ نمایه سازی: 19 مهر 1401

Abstract:

قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. رشد روزافزون جمعیت و محدودیت منابع آبی و استفاده بیش از قبل از منابع آب زیرزمینی در بیشتر نقاط کشور، پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه می طلبد. در این تحقیق به منظور تخمین تراز سطح آب زیرزمینی آبخوان دشت روانسر-سنجابی از دو مدل هوش مصنوعی شامل شبکه عصبی برگشتی (RNN) و شبکه عصبی تابع پایه شعاعی (RBF) با به کار گیری داده های دما، بارش ، تبخیر، زطوبت ایستگاه هواشناسی روانسر و سطح تراز آب های زیر زمینی دشت روانسر-سنجابی در دوره ۲۰ ساله (۱۳۹۹-۱۳۸۰) استفاده شده است. با وجود توانایی های ذاتی هر یک از این مدل های هوش مصنوعی در پیش بینی سطح آب زیرزمینی، هر کدام درای نقاط قوت و نقاط ضعف می باشد، که در نهایت با اجرای هر یک از دو روش نامبرده، مشخص شدکه شبکه عصبی RNN عملکرد بهتر و مناسب تر جهت پیش بینی سطح تراز آب های زیر زمینی را داشت.

Keywords:

آب های زیر زمینی , شبکه عصبی برگشتی (RNN) , شبکه عصبی شعاعی (RBF) , پیش بینی , آبخوان دشت روانسر-سنجابی

Authors

تریفه بهشتی زاده

دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران