کارایی مدل GRNN در قیاس با مدل های ANN و RBF در تخمین پارامترهای آبخوان محبوس
Publish place: The Journal of Hydrogeology، Vol: 2، Issue: 1
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 200
This Paper With 16 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:
JR_HYDTR-2-1_008
تاریخ نمایه سازی: 15 آذر 1401
Abstract:
برای مدیریت صحیح منابع آب زیرزمینی، تخمین دقیقی از پارامترهای آبخوان لازم است. در این تحقیق، چندین مدل هوش مصنوعی شاملANN، GRNN و RBF به منظور تخمین پارامترهای هیدرولیکی یک آبخوان محبوس تدوین شده است. یکی از دلایل استفاده از مدلهای هوش مصنوعی در پیشبینی پارامترهای آبخوان، قابلیت انعطافپذیری بالای این مدلها، در حل مسائل غیرخطی میباشد. به منظور به کارگیری این مدلها، پس از جمعآوری دادههای مربوط به آزمایش پمپاژ و کاهش بعد دادهها با روش آنالیز مولفههای اصلی، به آموزش و آزمایش مدلهای هوش مصنوعی مختلف پرداخته شده است. اگر خطای تابع چاه که متغیر خروجی مدلهای هوش مصنوعی است، در حد قابل قبول باشد، مقادیر پارامترهای آبخوان بهدست آورده میشود. مدلهای مذکور بر روی دادههای یک آزمایش پمپاژ در آبخوان محبوس آزمایش و نتایج آنها با نتایج روش گرافیکی منحنی تایس مورد مقایسه قرار گرفته است. با قیاس چندین شاخص خطای آماری برمبنای نتایج مدلهای هوش مصنوعی پیشنهادی و حل گرافیکی مدل تایس، عملکرد مدلهای مذکور، بررسی گردیده است. به عنوان مثال، میانگین قدر مطلق خطای نسبی در تخمین پارامترهای آبخوان برای مدل ANN و روش گرافیکی منحنی تایس، به ترتیب ۵۵۶۴/۰ و ۱۳۲۰/۱ درصد بوده است. همچنین در مقایسه مدلهای مختلف هوش مصنوعی به کار گرفته شده، مدل GRNN از دقت مطلوب و مدت زمان محاسباتی کمتری در تخمین پارامترهای آبخوان برخوردار است و میتواند به عنوان مدل برتر در تخمین پارامترهای آبخوان، برگزیده شود.
Keywords:
آزمایش پمپاژ , تخمین پارامترهای آبخوان , شبکه عصبی مصنوعی , شبکه های عصبی رگرسیونی تعمیم داده شده , مدل های هوش مصنوعی
Authors
عاطفه دل ناز
دانشجوی کارشناسی ارشد سازه های هیدرولیکی، بخش مهندسی عمران و محیط زیست، دانشکده مهندسی، دانشگاه شیراز
غلامرضا رخشنده رو
استاد بخش مهندسی عمران و محیط زیست، دانشکده مهندسی، دانشگاه شیراز
محمد رضا نیکو
استادیار بخش مهندسی عمران و محیط زیست دانشکده مهندسی دانشگاه شیراز