ارائه مدل ترکیبی ژنتیک ـ کریجینگ برای پیشبینی زمانی و مکانی سطح آب زیرزمینی
Authors
Abstract:
استفاده از روشهای هوشمند تکاملی و مدلهای ترکیبی برای پیشبینی زمانی ـ مکانی نوسانات سطح آب زیرزمینی در دهههای اخیر بیشتر مورد توجه محققین قرار گرفته است. الگوریتم ژنتیک و نروفازی از روشهای جدید پیشبینی نوسانات سطح آب زیرزمینی هستند که برای پیشبینی مسائل پیچیده و غیرخطی میتوانند بهصورت منفرد و ترکیبی بهکار روند. در این پژوهش، از روشهای فوق برای مطالعه آبخوان دشت هادیشهر که به دلیل برداشت بیرویه از آبهای زیرزمینی، سطح آب زیرزمینی آن افت شدیدی پیدا کرده است؛ استفاده شد. دشت هادیشهر در شمال غرب استان آذربایجان شرقی واقع شده و بخشی از محدوده مطالعاتی جلفا ـ دوزال است. بهمنظور یافتن راهکارهایی مفید برای پیشبینی زمانی ـ مکانی سطح آب زیرزمینی، از روشهای هوش مصنوعی مانند نروفازی و برنامهریزی ژنتیک و ترکیب بهترین مدل آنها با روشهای زمین آماری استفاده شد. بارش و تبخیر در گام زمانی t0 و سطح آب زیرزمینی در گام زمانی t0-1 ورودیهای مدلهای نروفازی و برنامهریزی ژنتیک بودند. نتایج نشان داد دقت مدل برنامهریزی ژنتیک بیشتر از مدل نروفازی است بهطوریکه RMSE میانگین برای پیزومترهای منتخب در مرحله آزمایش در مدل برنامهریزی ژنتیک 19 سانتیمتر و در مدل نروفازی 23 سانتیمتر بهدست آمد. لذا مدل برنامهریزی ژنتیک برای ترکیب با مدل زمین آماری (کریجینگ) استفاده شد و در نهایت مدل ترکیبی کریجینگ ـ ژنتیک برای پیشبینی زمانی ـ مکانی بهدست آمد؛ و نتایج شبیهسازیشده به کل دشت و مناطق فاقد شبکه پایش سطح آب زیرزمینی بسط داده شد.
similar resources
ارائه مدل ترکیبی ژنتیک ـ کریجینگ برای پیش بینی زمانی و مکانی سطح آب زیرزمینی
استفاده از روش های هوشمند تکاملی و مدل های ترکیبی برای پیش بینی زمانی ـ مکانی نوسانات سطح آب زیرزمینی در دهه های اخیر بیشتر مورد توجه محققین قرار گرفته است. الگوریتم ژنتیک و نروفازی از روش های جدید پیش بینی نوسانات سطح آب زیرزمینی هستند که برای پیش بینی مسائل پیچیده و غیرخطی می توانند به صورت منفرد و ترکیبی به کار روند. در این پژوهش، از روش های فوق برای مطالعه آبخوان دشت هادیشهر که به دلیل بردا...
full textپیشبینی زمانی و مکانی سطح آب زیرزمینی با استفاده از مدل ترکیبی سری زمانی- زمین
To procure the status of groundwater level fluctuations in arid and semi-arid areas, it is necessary to obtain accurate forecast of fluctuations data. Time series as a linear model have been utilized to generate synthetic data and predict future groundwater level. Minitab17 software and monthly depth of groundwater level data of 20 years (1991-2011) for 25 piezometric wells of plain were used. ...
full textپیش بینی زمانی و مکانی سطح آب زیرزمینی محدودۀ متروی شهر تبریز توسط روش کریجینگ عصبی
تغییرات سطح آبهای زیرزمینی یکی از عوامل اصلی تأثیر گذار بر اجرای پروژه های مهندسی می باشد. پیش بینی زمانی و مکانی سطح آبهای زیرزمینی در محدودۀ شهر تبریز به علت وجود پروژه های مهندسی در دست اجرا از جمله پروژۀ متروی شهر تبریز ضروری به نظر می رسد. به علت پیچیده و چند لایه بودن آبخوان محدودۀ شهر تبریز، مدل سازی آن با مدل های ریاضی کلاسیک با مشکلات فراوانی رو به رو است. در این تحقیق به عنوان روشی جد...
full textپیشبینی زمانی و مکانی سطح آب زیرزمینی محدودۀ متروی شهر تبریز توسط روش کریجینگ عصبی
تغییرات سطح آبهای زیرزمینی یکی از عوامل اصلی تأثیر گذار بر اجرای پروژههای مهندسی میباشد. پیشبینی زمانی و مکانی سطح آبهای زیرزمینی در محدودۀ شهر تبریز به علت وجود پروژههای مهندسی در دست اجرا از جمله پروژۀ متروی شهر تبریز ضروری به نظر میرسد. به علت پیچیده و چند لایه بودن آبخوان محدودۀ شهر تبریز، مدلسازی آن با مدلهای ریاضی کلاسیک با مشکلات فراوانی رو به رو است. در این تحقیق به عنوان روشی ج...
full textترکیب روشهای هوش مصنوعی و زمینآمار برای پیشبینی زمانی و مکانی سطح آب زیرزمینی دشت هادیشهر
دشت هادیشهر با وسعتی معادل 57/55 کیلومترمربع در شمال غرب استان آذربایجان شرقی واقع شده است. در چند سال اخیر، به دلیل برداشت بیرویه از آبهای زیرزمینی این دشت، سطح آب زیرزمینی افت شدیدی پیدا کرده است. لذا بهمنظور یافتن راهکارهایی مفید برای مدیریت صحیح منابع آب زیرزمینی، از ترکیب مدل هوش مصنوعی و زمینآمار برای پیشبینی زمانی و مکانی سطح آب زیرزمینی استفاده شده است. ابتدا برای مدلسازی به روش ...
full textپیشبینی تغییرات مکانی- زمانی سطح آب زیرزمینی در دشت بیرجند بهروش کریجینگ
با توجه به محدودیت منابع آبی و خطر بحران آب در ایران و اینکه سالانه مقدار زیادی از ذخایر منابع آبی کشور بهدلیل برداشت بیش از حد کاهش یافته و منجر به بحرانی شدن دشتها و در نتیجه ایجاد بیلان منفی میشود، یافتن راههایی برای پیشبینی مقدار سطح آّب قبل از حفر چاهها ضروری است. سطح آبهای زیرزمینی متغیری است که در طول زمان و مکان تغییر میکند بنابراین میتوان آن را بهعنوان یک مجموعه دادهی فضایی- زم...
full textMy Resources
Journal title
volume 11 issue 3
pages 85- 99
publication date 2016-04-01
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023