ارزیابی توانایی شبکه‌های مختلف عصبی مصنوعی در پیش بینی تراز آب زیرزمینی در آبخوان محدوده سعادت شهر فارس
Authors
Abstract:
شبیهسازی سیستم آبهای زیرزمینی به دلیل پیچیدگی‌های موجود در طبیعت این سیستم‌ها، به آسانی میسر نیست. این درحالیست که شبکه‌های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی‌های بالایی که دارند برای مدل‌سازی سیستم‌های پیچیده و غیرخطی بسیار مناسب می‌باشند. لذا، با توجه به مشکلات فراوان مدل‌سازی آبخوانها با مدل‌های ریاضی، شبکه‌های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رفته‌اند. هدف از انجام این تحقیق ارزیابی توانایی شبکه‌های عصبی مختلف در پیشبینی تراز آبهای زیرزمینی در محدوده سعادت شهر در استان فارس می‌باشد. از نظر توانایی شبکه‌های مختلف مورد استفاده، شبکه‌های عصبی مصنوعی پیشرو با الگوریتم لونبرگ-مارکوارت بهتریـن نتـایج را ارائه داد. این سـاختار توانست پیشبینی ماهانه‌ای از سطح ایستابی آبهای زیرزمینی در بازه زمانی دو ساله (از سال 1383 تا سال 1385) با حداقل ریشه مربع متوسط خطا 04/2 متر و 27/2 متر برای مراحل آموزش و آزمایش ارائه نماید.
similar resources
ارزیابی توانایی شبکه های مختلف عصبی مصنوعی در پیش بینی تراز آب زیرزمینی در آبخوان محدوده سعادت شهر فارس
شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسر نیست. این درحالیست که شبکه های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی های بالایی که دارند برای مدل سازی سیستم های پیچیده و غیرخطی بسیار مناسب می باشند. لذا، با توجه به مشکلات فراوان مدل سازی آبخوانها با مدل های ریاضی، شبکه های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رف...
full textپیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluct...
full textپیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
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 من...
full textپیش 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...
full textارزیابی مدل شبکه های بیزین در پیش بینی ماهانل سطح آب زیرزمینی (مطالعۀ موردی: آبخوان بیرجند)
اساس برنامه‌ریزی‌های منابع آب بر پایۀ حجم آب قابل استحصال در آبخوان است و برآورد دقیق این حجم از آب زیرزمینی، کمک شایانی به توسعه می‌کند. در این مطالعه، از مدل‌های بیزین با استفاده از دو ساختار خوشه‌بندی و صریح برای شبیهسازی سطح آب زیرزمینی آبخوان بیرجند استفاده شد. پنج متغیر تغذیۀ آبخوان، سطح ایستابی، دما، تبخیر و برداشت از آب زیرزمینی در ماه قبل به‌عنوان متغیرهای ورودی به شبکۀ بیزین و سطح آب...
full textپیش بینی تغییرات شوری زه آب کشاورزی در عمق‌ها و فاصله‌های مختلف زهکش زیرزمینی به روش شبکه عصبی مصنوعی
امروزه اهداف زیست محیطی و کشاورزی به طور هم‌زمان در طراحی سیستم‌های زهکشی در نظر گرفته می‌شوند. بنابراین آگاهی از کمیت و کیفیت زهآب تولید شده و تغییرات تراز سطح آب به منظور مدیریت و کنترل آن امری ضروری می‌باشد. در پژوهش حاضر به منظور پیشبینی روند تغییرات شوری زهآب خروجی، در عمق‌ها و فاصله‌های مختلف استقرار زهکشها از روش شبیهسازی شبکه عصبی مصنوعی، روش حل Solver در نرم افزار اکسل و روش...
full textMy Resources
Journal title
volume 7 issue 1
pages 82- 86
publication date 2011-07-01
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