شبیهسازی تغییرات کیفی آب زیرزمینی با مدل شبکة عصبی مصنوعی (مطالعة موردی: آبخوان کاشان)
Authors
Abstract:
مجاورت آبخوان کاشان با جبهة آب شور دریاچة نمک به پیشروی آب شور به داخل آبخوان منجر شده است. در این پژوهش، با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکة عصبی مصنوعی انجام شد. بدین منظور، نخست به تعیین تیپ غالب آب منطقه پرداخته شد. سپس، اقدام به مدلسازی شد. نتایج حاصل از بررسی تیپ آب به وسیلة نمودار پایپر نشان داد که کلرور- سدیم تیپِ غالب آب منطقه است. بنابراین، در مدلسازیها متغیرهای ورودی مدل شامل تراز سطح ایستابی، ارتفاع بارندگی سالیانه، و غلظت کلر در سال قبل و متغیر خروجی مدل غلظت کلر در سال جاری بوده است. نتایج نشان داد مدل MLP نسبت به مدل RBF نتیجة بهتری در پیشبینی غلظت کلر داشته است. نتایج حاصل از آنالیز حساسیت نشان داد غلظت کلر و تراز سطح ایستابی در سال قبل بهترتیب مهمترین تأثیر را در نتایج شبیهسازی غلظت کلر سال جاری داشتهاند.
similar resources
شبیه سازی تغییرات کیفی آب زیرزمینی با مدل شبکة عصبی مصنوعی (مطالعة موردی: آبخوان کاشان)
مجاورت آبخوان کاشان با جبهة آب شور دریاچة نمک به پیشروی آب شور به داخل آبخوان منجر شده است. در این پژوهش، با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکة عصبی مصنوعی انجام شد. بدین منظور، نخست به تعیین تیپ غالب آب منطقه پرداخته شد. سپس، اقدام به مدلسازی شد. نتایج حاصل از بررسی تیپ آب به وسیلة نمودار پایپر نشان داد که کلرور- سدیم تیپِ غالب آب منطقه است. بن...
full textمقایسه مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)
مجاورت آبخوان کاشان با جبهه آب شور دریاچه نمک، باعث ایجاد شیب هیدرولیکی و درنتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکه عصبی مصنوعی (شامل پرسپترون چندلایه و تابع شعاعی) و رگرسیون چند متغیره انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدلسازی شد. نتایج حاص...
full textمقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)
مجاورت آبخوان کاشان با جبهه آب شور دریاچه نمک، باعث ایجاد شیب هیدرولیکی و درنتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکه عصبی مصنوعی (شامل پرسپترون چندلایه و تابع شعاعی) و رگرسیون چند متغیره انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدلسازی شد. نتایج حاص...
full textارزیابی روند تغییرات کمی و کیفی آب زیرزمینی دشت کاشان
در این پژوهش، به منظور تعیین تغییر کمی و کیفی آب زیرزمینی دشت کاشان از دو شاخص افت آب زیرزمینی و هدایت الکتریکی (EC) بهرهگیری شد. هیدروگرافهای تراز آب با روش تیسن[1] و بر پایة دادهای چاههای پیزومتری ترسیم شدند. نقشه خطوط هم افت، هم ارتفاع و هم EC با بهرهگیری از سیستم اطلاعات جغرافیایی (GIS)[2] ترسیم شدند. نتایج حاصل از نقشهها نشان میدهد که جریان...
full textشبیه سازی کمی و کیفی آب زیرزمینی دشت کاشان با استفاده از شبکه ی عصبی مصنوعی
در سال های اخیر، سطح ایستابی آبخوان کاشان به دلیل خشکسالی های اخیر و برداشت بیش از حد مجاز آب زیرزمینی، در حال کاهش است. مجاورت آبخوان با جبهه ی آب شور دریاچه ی نمک نیز، باعث ایجاد شیب هیدرولیکی و در نتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیه سازی کمی و کیفی آب زیرزمینی دشت کاشان با استفاده از شبکه ی عصبی مصنوعی انجام شد. به منظور شبیه سازی کمی آبخوان،...
15 صفحه اولاستفاده از رویکرد شبکة عصبی مصنوعی جهت پیشبینی کوتاهمدت سرعت باد (مطالعة موردی: ایستگاه هواشناسی جیرفت)
سرعت باد یکی از متغیرهای بسیار مهم هواشناسی در تعیین تبخیرتعرق و نیاز آبی گیاهان است. مدلها و روشهای متعددی برای پیشبینی این عامل وجود دارد. در سالهای اخیر، با شناختهشدن ابزار محاسبات نرم، بهمثابة روشی نوین در ایجاد سیستمهای هوشمند، این روشها جایگاهی ویژه در علوم هواشناسی کشاورزی پیدا کردند. بهکاربردن رویکرد شبکة عصبی مصنوعی یکی از این روشهاست. با توجه به وجود ایستگاه هواشناسی کشاورز...
full textMy Resources
Journal title
volume 68 issue 1
pages 159- 171
publication date 2015-05-22
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023