مدل سازی تراز آب زیرزمینی با بهره گیری از مدل هیبرید موجک- شبکه عصبی مصنوعی (مطالعه موردی: دشت شریف آباد)
Publish place: Journal of Civil and Environmental Engineering, University of Tabriz، Vol: 44، Issue: 77
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 700
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CEEJ-44-77_002
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
منابع آب زیرزمینی یکی از مهمترین منابع تأمین آب می باشند، از اینرو مدل سازی آنها بسیار حائز اهمیت می باشد. ارزیابی و پیش بینی تراز آبزیرزمینی به پیش بینی منابع آب زیرزمینی کمک می کند. هدف این مطالعه ارزیابی عملکرد سه مدل رگرسیون خطی چندمتغیره (MLR) مدل هیبرید موجک - شبکه عصبی (WNN) و شبکه عصبی مصنوعی (ANN) در پیش بینی سطح آب زیرزمینی (GWL)، بر مبنای دو معیار ریشه خطای مربع متوسط (RMSE) و ضریب کارایی نش- ساتکلیف (E) می باشد. داده های استفاده شده در این پژوهش مربوط به دو حلقه چاه مشاهدهای در حوضه آبریز شریف آباد استان قم هستند. مدل سازی تراز آب زیرزمینی چاه ها با استفاده از داده های تراز آب زیرزمینی 15 سال و 6 ماه، برای پیش بینی تراز 19 ماهه دوره آزمون انجام شده است. نتایج نشان داده اند که مدل موجک- شبکه عصبی تطابق بهتری با مقادیر مشاهدهای تراز آب زیرزمینی دارد.
Keywords:
Authors
طاهر رجایی
استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم- نویسنده مسئول
اکرم زینی وند
کارشناس ارشد سازههای هیدرولیکی، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم