پیش بینی تراز آب زیرزمینی دشت بستان آباد با استفاده از مدل شبکه های عصبی مصنوعی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 524

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

DCECAU01_133

تاریخ نمایه سازی: 2 تیر 1395

Abstract:

آبهای زیرزمینی به عنوان یکی از منابع مهم آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک به شمار می روند. شناخت صحیح و بهره برداری اصولی از آنها می تواند در توسعه پایدار فعالیت های اقتصادی این مناطق نقش بسزایی داشته باشد. شبیه سازی سیستم آبهای زیرزمینی به دلیل پیجیدگی موجود در طبیعت به آسانی مقدور نمی باشند و برای مدل سازی آبخوان ها با استفاده مدل های ریاضی نیاز به داشتن آگاهی و دانش از پارامترهای مختلف و بسیاری از ویژگی های آبهای زیرزمینی می باشد. اما شبکه های عصبی مصنوعی یک جعبه سیاه با توانایی های بالایی هستند که برای مدل سازی سیستم های پیجیده و غیرخطی بسیار مناسب می باشند. این مدل بدون درنظر گرفتن فیزیک مسئله قادر به استخراج روابط بین متغیرهای ورودی و خروجی سیستم و تعمیم آن در سایر موقعیت ها می باشد. هدف از انجام این تحقیق پیش بینی، ارزیابی تراز آب زیرزمینی دشت بستان آباد با استفاده از شبکه عصبی مصنوعی می باشد. به منظور آموزش مدل از اطلاعات 10 پیزومتر که دارای آمار تراز سطح ایستایی با سری زمانی 7 ساله (1391-1385) بودند و در سطح دشت پراکندگی یکنواختی داشتند استفاده شده است. پارامترهای دما، بارش، دبی خروجی اوجان چای و تراز آب زیرزمینی هریک از ماه ها با تأخیر زمانی t 0-1 (ماه قبل) و مقدار تراز آب زیرزمینی نیز تنها خروجی این شبکه را شامل می شود. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی با تابع آموزشیLM و تابع انتقال tansig قادر به پیش بینی سطح آب زیرزمینی ماهانه دربازه زمانی 20 ماهه با (R=0,9906, RMSE=0.092, MSE=0.0007) در مرحله آموزش و (R=0.9940, RMSE=0.54, MSE=0.1435) در مرحله تست در محدوده مورد مطالعه است.

Authors

ناصر فتوتی بستان آباد

دانشجوی کارشاسی ارشد سازه های هیدرولیکی، دانشگاه آزاد اسلامی مراغه

بهرضا نورمند

استادیار گروه عمران دانشگاه آزاد اسلامی مراغه

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 :