ارزیابی چند مدل هوش مصنوعی برای پیش بینی کیفیت آب زیرزمینی (مطالعه موردی: دشت گرو)
Publish place: Desert Ecosystem Engineering Journal، Vol: 6، Issue: 17
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 63
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DEEJ-6-17_003
تاریخ نمایه سازی: 19 اسفند 1402
Abstract:
مدلسازی مناسب کیفیت آبزیرزمینی از ابزارهای مهم برنامهریزی و تصمیمگیری در مدیریت منابع آب است. در این مطالعه به منظور مدلسازی تغییرات متغیرهای کیفی آبزیرزمینی دشت گرو از دادههای ۱۴ چاه در دوره آماری (۱۳۸۸ تا ۱۳۹۵) استفاده شد. متغیرهای Na، Mg، Ca،SO۴، Cl و HCO۳به عنوان متغیر مستقل و EC، SAR، TDS و TH به عنوان متغیر وابسته در نظر گرفته شد. از روشهای ماشین بردار پشتیبان، شبکه عصبی مصنوعی و شبکه عصبی-فازی تطبیقی برای مدلسازی متغیرهای کیفی آبزیرزمینی استفاده شد. به منظور تخمین کیفیت آبزیرزمینی کل دادهها به صورت تصادفی به دو دسته آموزشی (۸۰ درصد کل دادهها) و آزمایشی (۲۰ درصد کل دادهها) تقسیم شد. نتایج حاصل از مدلسازی متغیرهای کیفی آبزیرزمینی در دشت گرو نشان داد که شبکه عصبی-فازی تطبیقی در متغیرهای EC (۹۹/۰=R۲، ۱۳/۱۰۹= RMSE و ۹۹/۰ =CE)، SAR (۹۸/۰=R۲، ۲۸/۰= RMSE و ۹۸/۰ =CE) و TH (۹۹/۰=R۲، ۴۹/۰= RMSE و ۹۹/۰ =CE) نسبت به دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان عملکرد بهتری دارد و در متغیر TDS مدل شبکه عصبی مصنوعی (۹۹/۰=R۲، ۱۳/۱۰۹= RMSE و ۹۹/۰ =CE) نسبت به دو مدل دیگر کارایی بهتری داشته است. به منظور پهنهبندی تغییرات کیفیت آبزیرزمینی از مدلهای انتخاب شده بر اساس دو طبقهبندی کیفیت آب شرب شولر و کشاورزی ویلکوکس استفاده گردید. نتایج حاصل از پهنهبندی براساس طبقهبندی آب شولر نشان داد که متغیر TDS داری سه طبقه نامناسب (۱/۲۱%)، بد (۵۹/۷۴%) و غیرقابل شرب (۳۱/۴%) و متغیرTH دارای ۴ طبقه خوب (۸۵/۰%)، قابل قبول (۴۸/۲۳%)، نامناسب (۵۵/۶۷%) و بد (۱۲/۸%) میباشد. نتایج پهنهبندی بر اساس طبقهبندی ویلکوکس نیز نشان داد که متغیر EC داری سه طبقه عالی (۴۱/۹%)، خوب (۷۹/۸۹%) و متوسط (۸/۰%) و متغیر SAR دارای دو طبقه عالی (۱۹%) و خوب (۸۱%) میباشد.
Keywords:
Authors
مجتبی دولت کردستانی
بیابانزدایی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس
احمد نوحه گر
گروه برنامه ریزی مدیریت و آموزش محیط زیست، دانشکده محیط زیست دانشگاه تهران
سعید جانی زاده
مهندسی ابخیزداری، دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس تهراان
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 :