شبیه‌سازی هدایت الکتریکی دشت بهبهان با استفاده از مدل‌های ANN و ANN-PSO

Authors

عاطفه صیادی شهرکی دانشجوی دکترای آبیاری زهکشی دانشگاه چمران اهواز،عضو باشگاه باشگاه پژوهشگران واحد شهرکرد

فهیمه صیادی شهرکی عضو هیئت علمی گروه مهندسی برق دانشگاه آزاد اسلامی واحد شهرکرد، عضو باشگاه پژوهشگران جوان واحد شهرکرد

Abstract:

برآورد و پیشبینی پارامترهای کیفی آب زیرزمینی به‎ منظور تصمیم‎گیری‌های مدیریتی یکی از اهداف مدیران و برنامهریزان منابع آب تلقی می‌شود. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیشتر این مدل‌ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آن‎ها مشکل است و یا این‎که اندازه‌گیری آن‎ها محتاج صرف هزینه و زمان زیاد است. در این میان مدل‌های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می‌نمایند، به‎عنوان گزینه‌ای برتر معرفی می‌شوند. پژوهش حاضر به‎منظور شبیه‌سازی پارامتر کیفی هدایت الکتریکی آب زیرزمینی دشت بهبهان با استفاده از مدل‌های ANN و ANN-PSO و درنهایت مقایسه نتایج آن‌ها با داده‌های اندازه‌گیری شده‌، انجام شده است. پارامترهای هدایت الکتریکی، کلسیم، منیزیم، سولفات، بی‌کربنات، کلر، پتاسیم، سختی و اسیدیته در بازه سال‌های 1388 تا 1395 در دشت بهبهان جمع‌آوری شد و به‎عنوان ورودی مدل مورد استفاده قرار گرفت. نتایج نشان داد بالاترین دقت پیش‌بینی پارامتر کیفی EC مربوط به مدل ANN-PSO است، به‌طوری‎که مقدار آماره‌های و کمترین مقدار و بیشترین مقدار را برای مدل مذکور دارد. با توجه به کارایی بالای مدل شبکه عصبی مصنوعی با آموزش الگوریتم بهینه‌‌سازی تجمع ذرات می‌توان از این مدل برای اتخاذ تصمیمات مدیریتی و حصول اطمینان از نتایج پایش و کاهش هزینه استفاده کرد.

Upgrade to premium to download articles

Already have an account?login

similar resources

Network Anomaly Detection using PSO-ANN

In this work, the continue from the last research work done [20], thus it is proposed a data mining based anomaly detection system, aiming to detect volume anomalies, using Simple Network Management Protocol (SNMP) monitoring. The method is novel in terms of combining the use of Digital Signature of Network Segment (DSNS) with the evolutionary technique called Particle Swarm Optimization (PSO)[...

full text

مقایسه مدل‌های ANN، PSO-ANN و GA-ANN در پیش‌بینی قیمت اوج روزانه برق، مطالعه موردی: بازار برق ایران

انرژی برق‌آبی یکی از مهم‌ترین شیوه‌های تأمین انرژی در ساعت‌های اوج مصرف است. تجدید ساختار در صنعت برق باعث ایجاد رقابت در بین عرضه-کنندگان برق کشور شده است. به‌منظور افزایش سود سرمایه‌گذاری و بهره‌برداری بهتر از منابع، تخمین قیمت آینده برق از اهمیت ویژه‌ای نزد تولیدکنندگان برخوردار است. شبکه‌های عصبی مصنوعی (ANN)، به‌عنوان یکی از مهم‌ترین روش‌های هوش مصنوعی، کاربردهای فراوانی در تخمین و پیش‌بین...

full text

Simulation of groundwater quality parameters using ANN and ANN+PSO models (Case study: Ramhormoz Plain)

One of the main aims of water resource planners and managers is to estimate and predict the parameters of groundwater quality so that they can make managerial decisions. In this regard, there have many models developed, proposing better management in order to maintain water quality. Most of these models require input parameters that are either hardly available or time-consuming and expensive to...

full text

Simulation of groundwater quality parameters using ANN and ANN+PSO models (Case study: Ramhormoz Plain)

full text

Prediction of Stock Exchange Share Price using ANN and PSO

Stock Exchange Share Price is very hard to predict since there are no significant rules to estimate or predict that. Stock price prediction is one of the emerging field of research and many methods like technical analysis, statistical analysis, time series analysis etc are used for this purpose. Artificial Neural Network is a popular technique for the stock price prediction. Here we use Multila...

full text

An improved PSO-based ANN with simulated annealing technique

This paper presents a modified particle swarm optimization (PSO) with simulated annealing (SA) technique. An improved PSO-based artificial neural network (ANN) is developed. The results show that the proposed SAPSO-based ANN has a better ability to escape from a local optimum and is more effective than the conventional PSO-based ANN. r 2004 Elsevier B.V. All rights reserved.

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

علوم و مهندسی آب و فاضلاب

volume 4 issue 1

pages 34- 41

publication date 2019-03-21

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

الگوریتم بهینه‌سازی تجمع ذرات شبکه عصبی مصنوعی هدایت الکتریکی

Hosted on Doprax cloud platform doprax.com