پیشبینی تراز آب زیر زمینی با استفاده از مدلهای مادفلو، ماشین آموزش نیرومند و ویولت-ماشین آموزش نیرومند
Publish place: Journal of Iran-Water Resources Research، Vol: 14، Issue: 5
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 198
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-14-5_030
تاریخ نمایه سازی: 29 بهمن 1401
Abstract:
در این مطالعه تراز آب زیرزمینی منطقه کبودر آهنک واقع در استان همدان، ایران با استفاده از مدلهای مادفلو، ماشین آموزش نیرومند (ELM) و ویولت-ماشین آموزش نیرومند WA-ELM)) شبیهسازی میشود. تجزیه و تحلیل نتایج مدلسازی نشان میدهد که مدلهای عددی تراز آب زیرزمینی را با دقت قابل قبولی شبیهسازی میکنند. بهعنوان مثال مقادیر ضریب همبستگی و شاخص پراکندگی برای مدل مادفلو بهترتیب مساوی ۰.۹۱۷ و ۰.۰۰۰۴ بدست آمد. سپس با ترکیبهای ورودی مختلف و با استفاده از گام زمانی صحیح، به صورت تاخیرهای متفاوت ۱۰ مدل مختلف برای مدلهای ELM و WA-ELM تعریف میشود. با ارزیابی کلیه توابع فعالسازی مدل ELM، تابع فعالسازی sigmoid مقادیر تراز آب زیرزمینی را با دقت بیشتری پیشبینی میکند. همچنین Daubechies۲ بهعنوان خانواده ویولت مدلهای WA-ELM انتخاب میشود. بر اساس نتایج مدلهای عددی مختلف، مدل WA-ELM بهعنوان مدل برتر در پیشبینی تراز آب زیرزمینی انتخاب میشود. برای مدل برتر مقادیر ضریب همبستگی و ضریب نش بهترتیب برابر ۰.۹۵۹ و ۰.۹۱۵ محاسبه شده است.
Keywords:
Authors
مریم ملکزاده
گروه محیط زیست، واحد علوم و تحقیقات، دانشگاه ازاد، تهران
سعید کاردار
گروه مهندسی محیط زیست، دانشگاه علوم و تحقیقات
کیوان صائب
گروه محیط زیست، واحد تنکابن، دانشگاه ازاد، تنکابن
سعید شعبانلو
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
لعبت تقوی
گروه محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد، 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 :