پیشبینی تغییرات ماهانه پهنه آب زیرزمینی در دشت مهر توسط سیستم اطلاعات جغرافیایی و شبکه عصبی پیشخور

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 640

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:

EMAA04_074

تاریخ نمایه سازی: 12 تیر 1395

Abstract:

استفاده از مدل های زمین آماربه دلیل ارائه ساختار فضایی و مکانی بین داده ها می تواند تاحد قابل قبول و مطلوبی مفید واقع شود. در همین راستا پهنه بندی کمی آبهای زیرزمینی به کمک روش های مختلف زمین آمار می تواند در کنترل ومدیریت آبخوان ها تاثیری به سزا داشته باشد. استفاده از مدل های تصادفی نظیر مدل سری های زمانی و شبکه عصبی مصنوعی در سالهای اخیر در منابع آب افزایش چشمگیری داشته است و کاربردهای بسیاری پیدا کرده اند،اما تا کنون کمتر از دیدگاه مقایسه ای در بازه زمانی ماهانه در یک منطقه به آنها نگاه شده است. از آنجا که کاهش سطح آب زیرزمینی بر افت کیفی آب نیز تاثیر چشمگیری دارد لذا به کمک پایش و استفاده از داده های کمی و مقادیر ماهانه سطح آب زیرزمینی دشت مهر، تغییرات کمی آن توسط مدل های سری زمانی و شبکه عصبی مصنوعی شبیه سازی و پیش بینی گردید و سپس نقشه پهنه بندی مقادیر آتی به کمک مدل های زمین آمار تهیه گردید. بینی جهت همچنین جهت بررسی و مقایسه دقت شبکه عصبی مصنوعی و سری زمانی در شبیه سازی و پیش استفاده در آینده، از آماره های ضریب همبستگی و ریشه میانگین مربعات خطا واستفاده شد که به ترتیب برای شبکه عصبی مقادیر 0/88 و 0/117 و برای سر زمانی 0/81 و آماره عدد آکائیکی 0/3 بدست آمد. برهمین اساس و مقایهس مقادیر پیش بینی شده و مشاهده شدهاست.

Authors

سید امیر شمسنیا

استادیار و عضو هیئت علمی دانشگاه آزاد اسلامی واحد شیراز، گروه مهندسی آب

محمود فرزانه

دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد لارستان.

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 :