ارزیابی مدل شبکه عصبی موجک در پیش بینی منابع آب زیرزمینی (مطالعه موردی: استان لرستان، ایران)
Publish place: The Journal of Hydrogeology، Vol: 6، Issue: 1
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 198
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_HYDTR-6-1_001
Index date: 4 March 2023
ارزیابی مدل شبکه عصبی موجک در پیش بینی منابع آب زیرزمینی (مطالعه موردی: استان لرستان، ایران) abstract
در سالهای اخیر، برداشت بیرویه آب های زیرزمینی باعث افت شدید سطح آب های زیرزمینی شده است،که خطراتی همچون نشست زمین را درپی داشته است. لذا پیشبینی قابل اطمینان سطح آب های زیرزمینی برای مدیریت این منابع حائز اهمیت است. در این پژوهش جهت پیش بینی سطح آب های زیرزمینی محدوده های مطالعاتی ازنا- الیگودرز، دورود-بروجرد، سلسله و دلفان واقع در استان لرستان از شبکه عصبی موجک استفاده شد و نتایج آن با روش شبکه عصبی مصنوعی مقایسه گردید. پارامترهای بارش، دما، دبی جریان و تراز سطح ایستابی در دوره زمانی ماه قبل به عنوان ورودی و تراز سطح ایستابی در دوره موردنظر به عنوان خروجی مدل ها در مقیاس زمانی ماهانه در طی دوره آماری (۱۳۸۱-۱۳۹۸) انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش-ساتکلیف برای ارزیابی و نیز مقایسه عملکرد مدل ها مورد استفاده قرار گرفت. نتایج حاصل از تحلیل هیدروگراف نشان داد افزایش میزان بارش تاثیر بسزایی بر منابع آب زیرزمینی دارد و همچنین نتایج حاصل از معیارهای ارزیابی نشان داد مدل شبکه عصبی موجک کارایی بهتر و خطای کمتری نسبت به شبکه عصبی مصنوعی دارد.
ارزیابی مدل شبکه عصبی موجک در پیش بینی منابع آب زیرزمینی (مطالعه موردی: استان لرستان، ایران) Keywords:
ارزیابی مدل شبکه عصبی موجک در پیش بینی منابع آب زیرزمینی (مطالعه موردی: استان لرستان، ایران) authors
حسن ترابی پوده
دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، ایران
علی حیدر نصرالهی
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، ایران
رضا دهقانی
دانشجوی دکترای سازه های آبی، دانشکده کشاورزی، دانشگاه لرستان، 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 :