پیش بینی زمانی و مکانی سطح آب زیرزمینی محدوده متروی شهر تبریز توسط روش کریجینگ عصبی
Publish place: Journal of Iran-Water Resources Research، Vol: 5، Issue: 1
Publish Year: 1388
نوع سند: مقاله ژورنالی
زبان: Persian
View: 192
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-5-1_003
تاریخ نمایه سازی: 1 اسفند 1401
Abstract:
تغییرات سطح آبهای زیرزمینی یکی از عوامل اصلی تاثیر گذار بر اجرای پروژه های مهندسی می باشد. پیش بینی زمانی و مکانی سطح آبهای زیرزمینی در محدوده شهر تبریز به علت وجود پروژه های مهندسی در دست اجرا از جمله پروژه متروی شهر تبریز ضروری به نظر می رسد. به علت پیچیده و چند لایه بودن آبخوان محدوده شهر تبریز، مدل سازی آن با مدل های ریاضی کلاسیک با مشکلات فراوانی رو به رو است. در این تحقیق به عنوان روشی جدید از دو مدل شبکههای عصبی مصنوعی و زمین آمار (کریجینگ عصبی) به صورت ترکیبی برای پیش بینی زمانی و مکانی تغییرات سطح آبهای زیرزمینی در آبخوان محدوده شهر تبریز استفاده شد. به طوری که ابتدا از ساختارهای مختلف شبکه های عصبی مصنوعی برای پیش بینی سطح آبهای زیرزمینی در پیزومتر مرکزی استفاده گردید و بهترین ساختار شناسائی شد. سپس این ساختار برای مدل سازی پیزومترهای منتخب به کار برده شد. نتایج مدل های مذکور، شامل داده های پیش بینی ماهانه سطح آبهای زیرزمینی در پیزومترهای منتخب در بازه زمانی دو ساله، به عنوان ورودی مدل زمین آمار برای پیش بینی مکانی سطح آبهای زیرزمینی در محدوده مطالعاتی به کار گرفته شد. برای بدست آوردن مدلی با بازده بالا روشهای مختلف زمین آمار استفاده شد. در نهایت مدل به دست آمده توسط نتایج مربوط به پیزومترهای استفاده نشده در مدل سازی و در دست احداث، مورد آزمون قرار گرفت، که نتایج قابل قبولی را ارائه داد.
Keywords:
تغییرات سطح آبهای زیرزمینی , مدل شبکههای عصبی مصنوعی , مدل زمین آمار , کریجینگ عصبی , آبخوان محدوده شهر تبریز
Authors
اصغر اصغری مقدم
دانشیار/دانشکده علوم طبیعی، دانشگاه تبریز
وحید نورانی
استادیار /دانشکده مهندسی عمران، دانشگاه تبریز
عطاالله ندیری
دانشجوی دانشجوی دکتری/ هیدروژئولوژی، دانشگاه تبریز
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 :