مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)
عنوان مقاله: مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)
شناسه ملی مقاله: JR_WASO-25-2_017
منتشر شده در در سال 1394
شناسه ملی مقاله: JR_WASO-25-2_017
منتشر شده در در سال 1394
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: آبخوان کاشان, رگرسیون چند متغیره, شبکه عصبی مصنوعی, کلرور- سدیم, کیفیت آب زیرزمینی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1587720/