تخمین تغییرات آب زیرزمینی با استفاده از چهار تکنیک متفاوت شبکه عصبی تکاملی و داده های آب و هواشناسی (مطالعه موردی دشت عباس، استان ایلام)

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 91

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_DEEJ-8-22_004

تاریخ نمایه سازی: 19 اسفند 1402

Abstract:

در نواحی خشک و نیمه خشک، به دلیل کمبود جریان های سطحی، فشار عمده بر آب های زیرزمینی وارد می شود. سطح منابع آب زیرزمینی محدوده مورد مطالعه (دشت عباس) نیز به دلیل استفاده بی رویه، دچار افت شدید شده و بیش از ۳۰ سال است که به عنوان دشت ممنوعه اعلام گردیده است. در این تحقیق، از چهار مدل متفاوت شبکه عصبی تکاملی شامل شبکه عصبی پرسپترون چندلایه با الگوریتم ژنتیک (ANN-GA)، بهینه سازی ازدحام ذرات (ANN-PSO)، الگوریتم رقابت استعماری (ANN-ICA) و بهینه سازی کلونی مورچگان (ANN-ACOR) برای تخمین سطح آب زیرزمینی استفاده شده است. داده های مورد استفاده شامل بارش، تبخیر، متوسط دمای سالانه، نفوذ موثر و داده های گذشته سطح آب زیرزمینی برای یک دوره ۲۲ ساله است. ترکیب ورودی ها با استفاده از تجزیه و تحلیل خودهمبستگی، خودهمبستگی جزئی و همبستگی متقابل برای هر مدل آماده شده است. مدل های بهینه با تغییر پارامترهای کنترلی به دست آمده اند. بهترین دقت از بین مدل های ارائه شده برای ورودی (GWLt-۱، GWLt-۲ و P < sub>t) به دست آمده است. دقت میانگین مربع خطا برای مدل های ANN-ICA، ANN-PSO، ANN-ACOR به ترتیب ۰۰۳۳/۰، ۰۰۳۹/۰ و ۰۰۴۴/۰ و برای مدل ANN-GA ۰۰۳۰/۰ به دست آمده است. روند تغییرات سطح آب زیرزمینی دشت در مقطع زمانی ۷۲ تا ۸۴ روند کاهشی و از سال ۸۵ تا ۹۴ با ورود آب سد کرخه، روند افزایشی داشته و بیلان آب دشت مثبت شده است. با توجه به نتایج به دست آمده، مدل ANN-GA عملکرد بهتری نسبت به سه مدل دیگر برای تخمین سطح آب زیرزمینی از خود نشان داده است.

Authors

شهلا پایمزد

دانشگاه اراک

محمدرضا رضایی

گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی،دانشگاه اراک، اراک.

محمدجواد رضایی

گروه کامپیوتر، دانشگاه کرمانشاه، کرمانشاه.

جعفر رضایی

مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، ایلام.