پیش بینی شوری آب زیرزمینی زیر لوله های زهکش با استفاده از شبکه عصبی
Publish place: Journal Of Modeling in Engineering، Vol: 16، Issue: 52
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 361
This Paper With 9 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_JME-16-52_017
تاریخ نمایه سازی: 16 تیر 1398
Abstract:
آگاهی از شوری لایههای خاک زیر زهکشها بویژه در مناطقی با آب زیرزمینی کم عمق و شور مانند خوزستان منجر به انتخاب و طراحی بهترین عمق و فاصله زهکش میشود. در تحقیق حاضر کاربرد روش شبیهسازی شبکه عصبی مصنوعی در پیشبینی روند تغییرات شوری آب زیرزمینی زیر لولههای زهکش آزموده شد. به منظور واسنجی و اعتباریابی نتایج مدل از دادههای جمعآوری شده از یک مدل آزمایشگاهی با ابعاد 8/1 در 1 در 2/1 متر استفاده گردید. در این مدل زهکشها در عمقهای 20، 40 و 60 سانتیمتری و در هر عمق در سه فاصله 60، 90 و 180 سانتیمتری نصب شدند. در روش شبکه عصبی مصنوعی از الگوریتم آموزش لونبرگ- مارکوارت با تابع انتقال سیگموئید، استفاده شد. پس از تجزیه و تحلیل آماری و محاسبه ریشه میانگین مربعات خطا، خطای استاندارد و ضریب همبستگی میزان برازش میان مقادیر واقعی و شبیهسازی شده تغییرات شوری آب زیرزمینی محاسبه شد. مقدار این شاخصها به ترتیب 27/5 دسیزیمنس بر متر، 12/0 و 96/0 برآورد گردید. مقادیر این شاخص ها برای شوری خروجی از زهکشها در اعماق و فواصل مختلف نسبت به زمان و با دبیهای 07/0، 11/0 و 14/0 لیتر بر ثانیه بهترتیب برابر با 34/0 دسیزیمنس بر متر، 09/0 و 99/0 میباشد. نتایج نشان داد روش شبکه عصبی مصنوعی در شبیهسازی روند تغییرات شوری آب زیرزمینی زیر لولههای زهکش و همچنین روند تغییرات شوری زه آب خروجی در اعماق و فواصل مختلف زهکش ها از دقت خوبی برخوردار است
Keywords:
Authors
حامد نوذری
دانشگاه بوعلی سینا همدان
سعید آزادی
دانشگاه بوعلی سینا همدان
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 :