پیش بینی ارزیابی پتانسیل آب زیرزمینی در دشت خرم آباد بر اساس شبکه های عصبی کانولوشن

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 11

This Paper With 18 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_HYD-11-38_001

تاریخ نمایه سازی: 9 اردیبهشت 1403

Abstract:

امروزه به دلیل افزایش جمعیت، توسعه صنعتی، بهره برداری بی رویه، خشکسالی ها بهره برداری از آب های زیرزمینی چندین برابرشده است. بنابراین تشخیص مناطق دارای آب زیرزمینی به عنوان یکی از منابع مهم برای تامین آب آشامیدنی، کشاورزی، صنایع مختلف به خصوص  از موارد مهم و ضروری در مدیریت منابع آب محسوب می شود. هدف از انجام این پژوهش، بررسی و پهنه بندی مناطق دارای آب زیرزمینی در دشت خرم آباد واقع در استان لرستان با استفاده از روش شبکه عصبی کانولوشن است. بدین منظور ابتدا از طریق بازدیدهای میدانی، نقشه های زمین شناسی و توپوگرافی و با مرور منابع قبلی و بررسی شرایط منطقه، نه عامل طبقات ارتفاعی، شیب، جهت شیب، فاصله از گسل، فاصله از رودخانه، بارش، لیتولوژی و کاربری اراضی، خاک به عنوان عوامل موثر بررسی و انتخاب شدند و  نقشه آن ها در محیط ArcGisتهیه شدند. درروش کانولوشن تعداد نمونه ها به عنوان نسبت بین مجموعه آموزشی و مجموعه آزمایشی۷۰:۳۰ تعیین شد و چارچوب شبکه عصبی کانولوشن به عنوان ۲ لایه کانولوشن و ۲ لایه ادغام، ۲ اتصال کامل استفاده شد. لایه ها و در نهایت لایه sigmoid برای در طبقه بندی از هسته کانولوشن ۳ ۳، تابع Relu به عنوان تابع فعال سازی و تابع آنتروپی متقاطع به عنوان تابع زیان استفاده شد. نقشه های به دست آمده در ۵ کلاس طبقه بندی شد. هم چنین برای اعتبارسنجی نتایج مدل از ماتریس کانفیوزن استفاده شد.۳۰ درصد از داده های واقعی برای ارزیابی استفاده شد که منجر به دقت کلی۹۲ درصد شد، یعنی مدل توانسته ۹۲درصد داده ها را آب زیرزمینی و۹۳درصد عدم آب زیرزمینی رو به درستی تشخیص دهد. تجزیه و تحلیل نقشه پتانسیل آب زیرزمینی مدل شبکه عصبی کانولوشن نشان می دهد که حدود ۵۷ درصد منطقه در شرایط کم آب زیرزمینی و۴۳درصد منطقه در شرایط خوب آب زیرزمینی قرار دارد.

Authors

صیاد اصغری سراسکانرود

استاد گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

مریم ریاحی نیا

فارغ تحصیل کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه محقق اردبیلی

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 :
  • Aliyari, H. (۱۳۷۶). Geomorphology of Khorramabad river basin (north of ...
  • Alizadeh, A. (۱۳۸۹), Principles of applied hydrology, ۳۱st edition, Imam ...
  • Alshehhi.R., Reddy Marpu. P., Woona.W.L., Dalla Mura. M.(۲۰۱۷). Simultaneous extraction ...
  • Amyar.A ., Modzelewski.R., Li.H., Ruan.S.(۲۰۲۰). Multi-task deep learning based CT ...
  • Asghari, f; Belvasi, I.(۲۰۱۷). Comparison of artificial neural network model ...
  • Bouaafia.S., Messaoud.S., Maraoui.A., Ammari.A.,C. Khriji.L., Machhout.M. (۲۰۲۱). Deep Pre-trained Models ...
  • Biranvand, N., Kikhaei, M., Mamani, R. (۲۰۲۱). Presenting a method ...
  • Fallah, F., M. Daneshfar, S. Ghorbani Nejad (۲۰۱۶). Finding the ...
  • Qi, H. Wang, M. Haner, C. Weng, S. Chen, Z. ...
  • Jingxin.L., Mengchao.Z., Yuchen.L., Jinglei.C., Yutong.Z Zhong. Z.,Lihui.Z.(۲۰۲۱).COVID-۱۹ lesion detection and ...
  • Kazemi, M. Zamani Shorabi, A. (۲۰۱۶). Brain lesion tumor segmentation ...
  • Mazzia, V., Khaliq, A., & Chiaberge, M.(۲۰۲۰). Improvement in land ...
  • Sadaqat, M.(۲۰۱۷). Land and Water Resources, Payam Noor PublicationsSalla. R., ...
  • Seyed Masoumi, F., Kazemi, M., Zamani Shorabi, A.(۲۰۱۸). Brain lesion ...
  • Tahmasian, S., Z. Khani Temlia, c. Bahmanesh.( ۲۰۱۶). investigating the ...
  • Talebi, L. (۲۰۱۴). Investigating flood risks in Khorramabad city. Master's ...
  • Xu. H.,Yang. X., Wang.D., Hu.Y., Shi. Y., Cheng.Z., Liu.Z., Lu.Z., ...
  • Yamani, M; Alizadeh, Sh. (۲۰۱۳. potential exploration of underground water ...
  • نمایش کامل مراجع