مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)
Publish place: The Journal of Water and Soil، Vol: 25، Issue: 2
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 104
This Paper With 14 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_WASO-25-2_017
تاریخ نمایه سازی: 25 دی 1401
Abstract:
مجاورت آبخوان کاشان با جبهه آب شور دریاچه نمک، باعث ایجاد شیب هیدرولیکی و درنتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکه عصبی مصنوعی (شامل پرسپترون چندلایه و تابع شعاعی) و رگرسیون چند متغیره انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدلسازی شد. نتایج حاصل از بررسی تیپ آب نشان داد که کلرور- سدیم، تیپ غالب آب منطقه است. بنابراین در مدلسازیها، علاوه بر تغییرات سطح ایستابی و بارندگی، مقدار غلظت کلرور در سال قبل نیز بهعنوان ورودی مدل انتخاب گردیده و خروجی مدل نیز، مقدار کلرور در سال جاری بوده است. نتایج نشان داد که مدل پرسپترون چندلایه نسبت به مدلهای تابع شعاعی و رگرسیون چند متغیره دارای نتیجه بهتری در پیشبینی غلظت کلر در ۱۱ سال آینده بوده است. به طوری که ضریب تبیین اصلاح شده حاصله، بهترتیب برابر ۹۷/۰، ۸۹/۰ و ۳۴/۰ بودند. همچنین تابع محرک تانژانت هایپربولیک خطی و الگوریتم مومنتوم، نتایج بهتری را نسبت به توابع و الگوریتمهای دیگر نشان دادند. نتایج حاصل از تحلیل حساسیت مدل نشان داد که غلظت کلر در سال قبل و تغییرات سطح ایستابی، مهمترین تاثیر را در شبیهسازی غلظت کلر داشته است.
Keywords:
Authors
محمد میرزاوند
۱- دانشجوی دکترای علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان
هدی قاسمیه
۲- استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان
سید جواد ساداتی نژاد
۳- دانشیار گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران
محمود اکبری
۴- استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه کاشان