مقایسه توانایی مدلهای استنتاج فازی و شبکه های عصبی مصنوعی در تعیین پارامترهای آبخوان تحت فشار و نقطه انطباق بهینه mach point
Publish place: 2nd National conference on climate change and engineering sustainable agriculture and natural resources
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 559
This Paper With 15 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:
CCASD02_038
تاریخ نمایه سازی: 16 اسفند 1394
Abstract:
آبخوانهای تحت فشار یکی از مهمترین منابع آب زیرزمینی هستند. برداشت بیرویه و عدم مدیریت آبخوان، باعث پایین رفتن تراز آب زیرزمینی و کاهش ضریب ذخیره آبخوان شده است. در ساالهای اخیار، روشاهای هاو مصانوعی بنناوان یااین ین روشهای انطباق منحنی تیپ یهت تنیین پارامترهای آبخوان تحت فشار استفاده میشوند. هدف از این مطالنه ارزیابی مدلهای فازی ممدانی LFM ساگنو LFM شبکه های عصبی مصنوعیsNNA در تخمین ضرایب هیدرولیکی آبخوان تحت فشار میباشد. رو شبکه عصبی مصنوعی براساس نرمال سازی داده ها میباشد. در این شبکه از الگوریتم آموزش لیونبرگ -مارکوآرت استفاده شده است. در این رو تابع چاه با استفاده از 1000 مجموعه از داده های مصنوعی آزمایش شد. شبکه ها با دریافت داده های آزمون پمپاژ، مختصات نقطه انطباق را تولید میکنند. مختصات نقطه انطباق با حل تحلیلی تایس و ژاکوب ترکیب میگردد
Keywords:
ضرایب هیدرودینامیک , مدل فازی ممدانی LFM مدل فازی ساگنوLFM شبکه عصبی مصنوعیsNNA آبخوان تحت فشار
Authors
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 :