پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
نویسندگان
چکیده
پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. برای انجام این پیشبینی، از روشهای متعددی مانند روشهای استوکستیکی، منطق فازی و شبکه عصبی مصنوعی میتوان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیشبینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه rbf پایه میشود. بدین منظور آمار ماهانه تراز ایستابی دشت شاهرود و همچنین دادههای هواشناسی مانند دما، بارندگی، رطوبت و تبخیر، دادههای آبهای سطحی مانند دبی ورودی و خروجی به دشت شاهرود (دبی ورودی مجن آبشار، دبی ورودی تاش فرحزاد و دبی خروجی قلعه نو) طی یک دوره آماری 1994 تا 2010 استفاده شده است. بررسی دادهها نشان میدهد که برخی از دادهها، همبسته بوده و دارای الگوی فصلی هستند، این مسأله، پیشبینی دادهها را دشوار میکند. بر این اساس، روش ارائه شده در این مقاله شامل مراحل غیرفصلی سازی، نرمالسازی و حذف دادههای وابسته است که پیش از این به آن در تحقیقات پرداخته نشده است. سپس از 85 درصد دادهها برای آموزش و از 15 درصد آنها، برای تست مدل استفاده شده است. در نهایت، بررسی نتایج نشان میدهد که مدل شبکه عصبی ارائه شده، تراز آب دشت شاهرود را برای سه سال پیاپی با میانگین مربعات خطای 0257/0 متر برای سال اول، 0270/0 متر در سال دوم و 0452/0 متر در سال سوم میتواند پیشبینی کند. همچنین در صورتی که بارش منطقه در یک سال، 30 درصد کاهش یابد، نتایج پیشبینی مدل مذکور نشان میدهد که تراز آب زیرزمینی 7/0 کاهش مییابد.
منابع مشابه
پیش بینی زمانی و مکانی تراز آب زیرزمینی دشت داورزن
هدف از این پژوهش تخمین مقدار تراز آب زیرزمینی در نقاط مختلف دشت داورزن واقع در استان خراسان رضوی در یک ماه آینده است. جهت پیش بینی زمانی از روش پرسپترون چندلایه شبکه عصبی و برای پیش بینی مکانی از روش کریجینگ استفاده شده است. داده های ورودی شامل سری زمانی تراز آب زیرزمینی است که به مدت هشت سال از مهر 82 تا اسفند 89 به صورت ماهیانه اندازهگیری شده است. ابتدا به منظور تعیین میزان دقت مدل، ت...
متن کاملپیش بینی حجم کوفتگی سیب با استفاده از شبکه عصبی تابع پایه شعاعی RBF ( و مقایسه آن با مدل رگرسیونی)
متن کامل
مدلسازی تراز آب زیرزمینی با بهرهگیری از مدل هیبرید موجک- شبکه عصبی مصنوعی (مطالعه موردی: دشت شریفآباد)
منابع آب زیرزمینی یکی از مهمترین منابع تأمین آب میباشند، از اینرو مدلسازی آنها بسیار حائز اهمیت میباشد. ارزیابی و پیشبینی تراز آب زیرزمینی به پیشبینی منابع آب زیرزمینی کمک میکند. هدف این مطالعه ارزیابی عملکرد سه مدل رگرسیون خطی چندمتغیره (MLR)، مدل هیبرید موجک- شبکه عصبی (WNN) و شبکه عصبی مصنوعی (ANN) در پیشبینی سطح آب زیرزمینی (GWL)، بر مبنای دو معیار ریشه خطای مربع متوسط (RMSE) و ضر...
متن کاملپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
متن کاملپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهشنامه مدیریت حوزه آبخیزجلد ۷، شماره ۱۳، صفحات ۱۱۸-۱۰۴
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023