پیش بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری)

طاهره آذری; سکینه داداشی; فاطمه کاردل

پیش بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری)

Publish place: Journal of Engineering Geology، Vol: 17، Issue: 2

Publish Year: 1402

Type: Journal paper

Language: Persian

This Paper With 25 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/1980985

Document National Code:

JR_JEG-17-2_005

Index date: 19 May 2024

پیش بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری) abstract

ارزیابی کیفی آب های ساحلی که تحت تاثیر شوری آب دریا قرار می گیرند را می توان با استفاده از پارامتر کلراید موجود در آب زیرزمینی انجام داد. این تحقیق یک روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) را جهت پیش بینی دقیق غلظت کلراید آب زیرزمینی دشت ساری پیشنهاد می دهد. SAICM با ترکیب غیرخطی مدل های هوش مصنوعی، غلظت کلراید را به عنوان خروجی مدل پیش بینی می کند. در این تحقیق از روش آنالیز مولفه های اصلی (PCA)، جهت شناسایی پارامترهای هیدروشیمیایی موثر مرتبط با غلظت کلراید به عنوان مولفه های ورودی به مدل های هوش مصنوعی استفاده شده است. بر اساس نتایج حاصل از PCA، پارامترهای (Na, K, EC, TDS, SAR)، به عنوان مولفه های ورودی مدل های هوش مصنوعی انتخاب گردید. در ابتدا چهار مدل هوش مصنوعی، منطق فازی سوگنو، منطق فازی ممدانی، منطق فازی لارسن و شبکه عصبی مصنوعی جهت پیش بینی غلظت کلراید طراحی گردید. بر اساس نتایج حاصل از مدل سازی، تمامی مدل ها برازش مناسبی با داده های کلراید در دشت ساری نشان داده اند. سپس مدل ترکیبی SAICM ساخته شد که نتایج حاصل از پیش بینی ۴ مدل AI جداگانه را با استفاده از ترکیب کننده غیرخطی ANN ، ترکیب نموده و غلظت کلراید را با دقت بیشتری تعیین می کند. نتایج نشان می دهد مدل ماشین مرکب پیشنهاد شده SAICM می تواند غلظت کلراید را با دقت بسیار بالاتری نسبت به روش های جداگانه، تخمین بزند.

پیش بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری) Keywords:

artificial neural network , committee machine , fuzzy logic , ground water quality , principal component analysis. , شبکه عصبی مصنوعی , ماشین مرکب , منطق فازی , کیفیت آب زیرزمینی , آنالیز مولفه های اصلی.

پیش بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری) authors

طاهره آذری

۱University of Kharazmi

سکینه داداشی

University of Mazandara

فاطمه کاردل

University of Mazandara

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 :

Almasri, M.N., Kaluarachchi, J.J., ۲۰۰۵. Modular neural networks to predict ...

American Public Health Association AD, Eaton A, American Water Works, ...

Asadi, S., Hassan, M.M., Nadiri, A.A., Mohammad, L.M., ۲۰۱۳. Using ...

Asghari Moghaddam, A., Nadiri, A.A., Fijani, E., ۲۰۰۷. Spatial prediction ...

Azari, T., Samani, N., Mansoori, E., ۲۰۱۵. An artificial neural ...

Azari, T., Samani, N., ۲۰۱۸. Modeling the Neuman’s well function ...

Banerjee, P., Singh, V.S., Chat, K., Chandra, P.C., Singh, B., ...

Bardossy, A., Disse, M., ۱۹۹۳. Fuzzy rule-based models for infiltration. ...

Bear, J., Cheng, A.H.D., ۲۰۱۰. Modeling Groundwater Flow and Contaminant ...

Chang, F.J., Kao, L.S., Kuo, Y.M., Liu, C.w., ۲۰۱۰. Artificial ...

Chen, C.H., Lin, Z.S., ۲۰۰۶. A committee machine with empirical ...

Fehdi, C.H., Rouabhia, A., Baali, F., Boudoukha, A., ۲۰۰۹. The ...

Foddis, M.L., Ackerer, P., Montisci, A., Uras, G., ۲۰۱۵. Ann-Based ...

Hamed, Y., Dhahri, F., ۲۰۱۳. Hydro-geochemical and isotopic composition of ...

Han, D., Song, X., Currell, M.J., Cao, G., Zhang, Y., ...

ISO (International Standards Organisation), ۱۹۹۳. Water qualitysampling -part ۱۱: Guidance ...

Kaiser, H.F., ۱۹۵۸. The varimax criteria for analytical rotation in ...

Kadkhodaie-Ilkhchi, A., Rahimpour-Bonab, H., Rezaee, M., ۲۰۰۹. A committee machine ...

Karimpouli, S., Fathianpour, N., Roohi, J. ۲۰۱۰. A new approach ...

Kheradpisheh, Z., Talebi, A., Rafati, L., Ghaneian, M.T., Ehrampoush, M.H., ...

Labani, M.M., Kadkhodaie-Ilkhchi, A., Salahshoor, K., ۲۰۱۰. Estimation of NMR ...

Li, H., Chen, C.L.P., Huang, H.P., ۲۰۰۰. Fuzzy Neural Intelligent ...

Lim, J.S., ۲۰۰۵. Reservoir properties determination using fuzzy logic and ...

Lin, G.F., Chen, G.R., ۲۰۰۵. Determination of aquifer parameters using ...

Lin, G.F., Chen, G.R., ۲۰۰۶. An improved neural network approach ...

Lin, H.T., Ke, K.Y., Chen, Ch.H., Wu, Sh.Ch., Tan, Y.Ch., ...

Mahlknecht, J., Steinich, B., Navaroo, L., ۲۰۰۴. Groundwater chemistry and ...

Mamdani, E.H., ۱۹۷۷. Application of Fuzzy Logic to Approximate Reasoning ...

Maier, H.R., Dandy, G.C., ۱۹۹۶. The use of artificial neural ...

Mishra, A., Ray, C., Kolpin, D., ۲۰۰۴. Use of qualitative ...

Nadiri, A.A., Fijani, E., Tsai, F.T.C., Asghari Moghaddam, A.A., ۲۰۱۳. ...

Nadiri, A.A., Chitsazan, N., Asghari Moghaddam, A.A., Tsai, F.T.C., ۲۰۱۳. ...

Nadiri, A.A., Naderi, K., Khatibi, R., Gharekhani, M., ۲۰۱۹. Modelling ...

Naftaly, U., Intrator, N., Horn, D., ۱۹۹۷. Optimal ensemble averaging ...

Palani, S., Liong, S.Y., Tkalich, P., ۲۰۰۸. An ANN application ...

Rahman, M., Majumder, R.K., Rahman, S.H., Halim, M.A., ۲۰۱۰. Sources ...

Rankovic, V., Radulovic, J., Radojevic, I., Ostojic, A., Comic, L., ...

Rogers, L.L., ۱۹۹۲. Optimal groundwater remediation using artificial neural network ...

Rogers, L.L., Johnson, V.M., Dowla, F.U., ۱۹۹۳. Network dissection of ...

Rogers, L.L., Dowla, F.U., ۱۹۹۴. Optimizationofgroundwater remediation using artificial neural ...

Rogers, L.L., Dowla, F.U., Johnson, V.M., ۱۹۹۵. Optimal fieldscale groundwater ...

Sahoo, G.B., Ray, C., Mehnert, E., Keefer, D.A., ۲۰۰۶. Applications ...

Salifu A, Petrusevski B, Ghebremichael K, Buamah R, Amy G. ...

Samani, N., Gohari-Moghadam, M., Safavi, A.A., ۲۰۰۷. A simple neural ...

Sari Regional Water Company., ۲۰۲۲. analysis of statistics and information ...

Shekofteh, H., Afyuni, M., Hajabbasi, M.A., Iversen, B.V., Nezamabadi-pour, H., ...

Sun, Z., Song, X., Yang, L., Ma, Y., Zhang, Y., ...

Sandhu, N., Finch, R., ۱۹۹۶. Emulation of DWRDSM using artificial ...

Singh, R.M., Datta, B., ۲۰۰۷. Artificial Neural Network Modeling for ...

Sugeno, M., ۱۹۸۵. Industrial Application of Fuzzy Control. North-Holland. New ...

Vega, M., Pardo, R., Barrado, E., Deban, L., ۱۹۹۸. Assessment ...

Tabari, M.R.M., Azari, T., Dehghan, V., ۲۰۲۱. A supervised committee ...

Takagi, T., Sugeno, M., ۱۹۸۵. Fuzzy Identification of systems and ...

Tayfur, G., Nadiri, A.A., Asghari-Moghaddam, A., ۲۰۱۴. Supervised Intelligent Committee ...

Wang, Y., Jiao, J.J., ۲۰۱۲. Origin of groundwater salinity and ...

WHO., ۲۰۰۸ World Health Organization, Guidelines for drinking-water quality. second ...

Zabala, M.E., Manzano, M., Vives, L., ۲۰۱۶. Assessment of processes ...