مدل منطق فازی در تخمین قابلیت انتقال آبخوانها مطالعه موردی: دشت تسوج
Authors
abstract
این مطالعه یک مدل منطق فازی مرکب نظارت شده (scfl)برای تخمین قابلیتانتقال در آبخوان دشت تسوج ارائه می کند. تخمین قابلیتانتقال به ویژه در آبخوان ناهمگن بسیار پرهزینه و وقت گیر است. در این مطالعه، برای تخمین قابلیتانتقال با استفاده از داده های هیدروژئولوژیکی و ژئوفیزیکی از مدل های فازی مانند ممدانی(mfl)، لارسن (lfl) و ساگنو (sfl) استفاده شد. این مدل ها، نتایج مشابهی در تخمین قابلیتانتقال در دشت تسوج ارائه دادند. لذا به جای انتخاب مدل برتر از مدل scfl برای برای ترکیب نتایج سه مدل منفرد فازی استفاده شد. برای استفاده همزمان از مزایای هر سه مدل مذکور، ترکیب غیر خطی از خروجی مدل های فازی برای ایجاد یک مدل منطق فازی مرکب نظارت شده به کار گرفته می شود. مدل مذکور از یک شبکه عصبی مصنوعی برای تخمین قابلیتانتقال بر اساس خروجی سه مدل فازی استفاده می کند. نتایج نشان داد مدل scfl ارائه شده، توانست نسبت به روش های مدل منطق فازی مرکب ساده، که از روش ترکیب کننده خطی سود می بردند، بهتر عمل کند. همچنین نتایج نشانگر برتری نتایج مدل scfl نسبت به هر یک از مدل های فازی بودند.
similar resources
مدل منطق فازی در تخمین قابلیتانتقال آبخوانها مطالعه موردی: دشت تسوج
این مطالعه یک مدل منطق فازی مرکب نظارت شده (SCFL)برای تخمین قابلیتانتقال در آبخوان دشت تسوج ارائه می کند. تخمین قابلیتانتقال به ویژه در آبخوان ناهمگن بسیار پرهزینه و وقت گیر است. در این مطالعه، برای تخمین قابلیتانتقال با استفاده از داده های هیدروژئولوژیکی و ژئوفیزیکی از مدل های فازی مانند ممدانی(MFL)، لارسن (LFL) و ساگنو (SFL) استفاده شد. این مدل ها، نتایج مشابهی در تخمین قابلیتانتقال در...
full textتوسعه مدلهای هوش مصنوعی مرکب در برآورد قابلیت انتقال آبخوان، مطالعه موردی: دشت تسوج
پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدلسازی آبهای زیرزمینی است که عموماً تعیین آن برای نقاط مختلف آبخوان با هزینههای فراوانی انجام میگیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه میباشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدلهای منطق فازی، شب...
full textتوسعه مدل های هوش مصنوعی مرکب در برآورد قابلیت انتقال آبخوان، مطالعه موردی: دشت تسوج
پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدل سازی آبهای زیرزمینی است که عموماً تعیین آن برای نقاط مختلف آبخوان با هزینه های فراوانی انجام می گیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه می باشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدل های منطق فازی، شب...
full textمقایسه کارآیی مدلهای عددی و هوش مصنوعی در مدیریت آبخوانها (مطالعه موردی: دشت تسوج)
مدیریت آبخوان همانند هر سیستمی نیاز به شناخت کامل آن و پیش بینی شرایط آیند? آن دارد که این کار با مدلسازی سیستم مورد نظر امکان پذیر است. امروزه روش معمول در مدلسازی منابع آب استفاده از مدلهای عددی است. در دهه های اخیر به سبب پیچیدگی و خصوصیات غیرخطی سیستمهای آب زیرزمینی مدلهای هوش مصنوعی در مدلسازی و مدیریت آبخوانها مورد آزمایش قرار گرفته اند. هدف این تحقیق استفاده و مقایسه مدلهای عددی و هوش مص...
15 صفحه اولمقایسۀ کارایی مدلهای شبکۀ عصبی مصنوعی، منطق فازی و جنگل تصادفی در برآورد پارامتر قابلیت انتقال آبخوان دشت ملکان
آبخوان دشت ملکان به عنوان یکی از آبخوانهای حوضۀ دریاچۀ ارومیه، به مدیریت صحیح کمی و کیفی نیاز دارد. روشهای مختلفی از جمله انجام آزمون پمپاژ، روشهای آزمایشگاهی، استفاده از ردیابها و روشهای ژئوفیزیکی برای ارزیابی پارامترهای هیدروژئولوژیکی و مدیریت مناسب آبخوانها وجود دارد. هر چند تعبیر و تفسیر دادههای بهدستآمده از آزمون پمپاژ، بهترین روش تخمین پارامترهای هیدروژئولوژیکی آبخوان است، اما ای...
full textمدل سازی قابلیت اطمینان با استفاده از منطق فازی
به کارگیری منطق فازی در فرایندهای عملیاتی دستگاه ها مدتی است که معمول گردیده است.از آنجا که نحوه کارکرد این دستگاه ها به شرایط خرابی آن بستگی دارد، به کارگیری منطق فازی در مهندسی قابلیت اطمینان دستگاه ها و عملیات نیز غیر منتظره نیست. تا به حال بررسی های مبتنی بر برازش توابع مختلف قابلیت اطمینان بر مبنای منطق دو دویی انجام شده و دستگاه یا کاملاً سالم و یا کاملاً خراب در نظر گرفته می شده است. اما...
full textMy Resources
Save resource for easier access later
Journal title:
دانش آب و خاکPublisher: دانشگاه تبریز
ISSN 2008-5133
volume 24
issue 1 2014
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023