سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

عملکرد شش روش ترکیبی هوشمند در مدل سازی کیفی آب زیرزمینی مطالعه موردی: دشت بافق

Publish Year: 1400
Type: Journal paper
Language: Persian
View: 229

This Paper With 14 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_HYDTR-6-1_010

Index date: 4 March 2023

عملکرد شش روش ترکیبی هوشمند در مدل سازی کیفی آب زیرزمینی مطالعه موردی: دشت بافق abstract

بررسی و کنترل کیفیت آب های زیرزمینی در برنامه­ریزی و توسعه منابع آب نقش مهمی دارد و استفاده از یک روش کارا می تواند تا حد زیادی موجب افزایش دقت و کاهش هزینه ها در این زمینه گردد. در این پژوهش، برای آموزش و بهینه­یابی پارامترهای مدل سیستم استنتاج عصبی-فازی (ANFIS) جهت مدل­سازی کیفی آب زیرزمینی دشت بافق در استان یزد، از ۶ الگوریتم فراابتکاری بهینه­سازی ازدحام ذرات (PSO)، ژنتیک (GA)، رقابت استعماری (ICA)، کرم شب­تاب (FA)، فرهنگی (CA) و استراتژی تکامل انطباق ماتریس کوواریانس (CMA-ES) استفاده گردید. برای انتخاب بهترین ترکیب ورودی جهت تخمین سه پارامتر هدایت الکتریکی (EC)، جذب سدیم (SAR) و سختی کل (TH) از روش های پیرسون و اسپیرمن برای تحلیل حساسیت و میزان همبستگی سایر پارامترها استفاده گردید و مدل­سازی کیفی با روش های ترکیبی انجام و عملکرد مدل ها با نمایه های ضریب همبستگی(R۲)، خطای جذر میانگین مربعات (RMSE) و ضریب نش-ساتکلیف (NSE) سنجیده شد. نتایج نشان داد که هر شش روش ترکیبی عملکرد بسیار مناسبی را در مدل­سازی پارامترهای آب زیرزمینی از خود نشان دادند. همچنین مدل ANFIS-FA در هر سه دسته مدل­سازی جزو بهترین مدل ها بود، به­طوری­که مقدار R۲ ، RMSE و NSE آن به­ترتیب برای بخش آزمایش در TH، ۹۹/۰، ۴۱/۰ و ۹۹/۰، برای SAR، ۹۸/۰، ۱۱/۱ و ۹۵/۰ و برای EC، ۹۹/۰، ۷/۳۰۵ و ۹۹/۰ به­دست آمد. سایر روش ها نیز با دقتی مناسب موفق به مدل­سازی و پیش­بینی پارامترهای موردنظر شدند. با توجه به دقت محاسبات، این روش ها گزینه های مناسبی برای پیش­بینی متغیرهای کیفی آب زیرزمینی به­شمار می روند.

عملکرد شش روش ترکیبی هوشمند در مدل سازی کیفی آب زیرزمینی مطالعه موردی: دشت بافق Keywords:

عملکرد شش روش ترکیبی هوشمند در مدل سازی کیفی آب زیرزمینی مطالعه موردی: دشت بافق authors

امیر محمد رخ شاد

دانشجوی دکترای منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، خراسان جنوبی، ایران

علی شهیدی

دانشیار، گروه علوم و مهندسی آب، دانشگاه بیرجند، خراسان جنوبی، ایران

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 :
آتشپز گرگری، ا.، ۱۳۸۷. توسعه الگوریتم بهینه سازی اجتماعی و ...
اقدر، ح. محمدیاری، ف.، ۱۳۹۴. مدل­سازی پارامتر کیفی TH در ...
جانی، ر.، ۱۳۹۸. مدل­سازی خوشه ای تراز آب زیرزمینی دشت ...
کرد، م.، اصغری مقدم، ا.، نخعی، م.، ۱۳۹۸. مدل­سازی عددی ...
میرسنجری، م. م.، محمدیاری، ف.، بصیری، ر. حمیدی پور، ف.، ...
نوری، ح.، ایلدرومی، ع.، سپهری، م. آرتیمانی، م.م.، ۱۳۹۷. مقایسه ...
Abu-Khalaf, N., Khayat, S., Natsheh, B., ۲۰۱۳. Multivariate data analysis ...
Alizamir, M., Sobhanardakani, S., ۲۰۱۷. Predicting arsenic and heavy metals ...
Azad, A., Karami, H., Farzin, S., Saeedian, A., Kashi, H., ...
Delir, S., Foroughi-Asl, A., Talatahari, S., ۲۰۱۹. A hybrid charged ...
Emamgholizadeh, S., Kashi, H., Marofpoor, I., Zalaghi, E., ۲۰۱۳. Prediction ...
Hosseini-Moghari, S.M., Morovati, R., Moghadas, M., Araghinejad S., ۲۰۱۵. Optimum ...
Jalalkamali, A., ۲۰۱۵. Using of hybrid fuzzy models to predict ...
Karterakis, S.M., Karatzas, G.P., Nikolos, I.K., Papadopoulou, M.P., ۲۰۰۷. Application ...
Kazemzadeh-Parsi, M.J., Daneshmand, F., Ahmadfard, M.A., Adamowski, J., Martel, R., ...
Khadr, M. and Elshemy, M., ۲۰۱۶. Data-driven modeling for water ...
Liu, W.C., Chen, W.B., Kimura, N., ۲۰۰۹. Impact of phosphorus ...
Luo, D., Guo, Q., Wang, X., ۲۰۰۳. Simulation and prediction ...
Mousavi, S,F. and Amiri, M.J., ۲۰۱۲. Modelling nitrate concentration of ...
Orouji, H., Bozorg Haddad, O., Fallah-Mehdipour, E., and Mariño M.A., ...
Smaoui, H., Zouhri, L., Kaidi, S., Carlier E., ۲۰۱۸. Combination ...
Sudheer, C., Mathur, S., ۲۰۱۲. Particle swarm optimization trained neural ...
Tabari, M.M.R., ۲۰۱۶. Prediction of river runoff using fuzzy theory ...
Tien Bui, D., Khosravi, K., Li, S., Shahabi, H., Panahi, ...
Yang, X.S., Sadat Hosseini, S.S., and Gandomi, A.H., ۲۰۱۲. Firefly ...
Zadeh. L.A., ۱۹۶۵. Fuzzy sets. Inf Control, ۸(۳):۳۳۸–۳۵۳ ...
Zhou, C.H., Gao, L., Gao, H., and Chuanyong, P., ۲۰۰۶. ...
نمایش کامل مراجع