شبیه سازی سطح ایستابی دشت ملایر براساس داده های هواشناسی با استفاده از شبکه‎ی عصبی مصنوعی

Authors

  • حمید زارع ابیانه دانشیار گروه مهندسی آبیاری، دانشکده‎ی کشاورزی، دانشگاه بوعلی سینا، همدان
  • صفر معروفی دانشیار گروه مهندسی آبیاری، دانشکده‎ی کشاورزی، دانشگاه بوعلی سینا، همدان
  • علیرضا ایلدرومی استادیار گروه آبیاری دانشکده‎ی کشاورزی، دانشگاه ملایر
  • مریم بیات ورکشی دانشجوی کارشناسی ارشد رشته‎ی آبیاری و زهکشی، دانشگاه بوعلی سینا، همدان
Abstract:

برای بررسی کارایی شبکه‎ی عصبی مصنوعی در شبیه‌سازی تغییرات سطح ایستابی سفره‎ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه‌های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به‌عنوان ورودی شبکه‎ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اوّل، شامل میانگین اطلاعات دمای حدّاکثر هوا، دمای حدّاقل هوا، حدّاکثر رطوبت نسبی هوا، حدّاقل رطوبت نسبی هوا و میانگین تبخیر در مقیاس زمانی ماهانه و ارتفاع سطح ایستابی ماه پیش بود. در ساختار دوم از اطلاعات سطح ایستابی در یک، دو، سه و چهار ماه پیش استفاده شد. در ساختار سوم، افزون‎بر اطلاعات ساختار شماره‎ی دو، میانگین سطح ایستابی ماه مورد نظر و میانگین سطح ایستابی ماه پیش هم به‌کار گرفته شد. ساختار چهارم، براساس میانگین سطح ایستابی ماه مورد نظر، میانگین سطح ایستابی ماه پیش و اطلاعات هواشناسی ماهانه تعریف شد. ساختار سوم با آرایش 1-4-4-6، به‌عنوان ساختار مناسب با 9/1 درصد خطا در مقایسه با مقادیر واقعی پیشنهاد شد که نشان‌دهنده‎ی اهمّیّت به‌کارگیری عوامل سطح ایستابی سال‎های گذشته، در ورودی شبکه‎ی عصبی است. اجرای مدل بهینه‎ی شبکه‎ی عصبی، افت سطح ایستابی را 18/1 متر، به‎ازای 9/1 درصد خطا برآورد کرد. جذر میانگین مربّعات خطا در مدل بهینه‎ی شبکه‎ی عصبی با آرایش 1-4-4-6 بر مبنای قانون آموزش لونبرگ مارکوات و تابع محرک سیگموئید، در مقابل تغییرات واقعی سطح سفره 44/0 متر با ضریب تعیین 99/0 به‎دست آمد. با توجّه به دقّت مناسب مدل و روند کاهنده‎ی حاکم بر سفره، می‎توان استفاده از شبکه‎ی عصبی مصنوعی برای تصمیم‌گیری در مدیریت دشت را، به‎عنوان ابزاری با سرعت و دقّت مناسب در شبیه‌سازی سطح آب زیرزمینی دشت ملایر، توصیه کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

شبیه سازی سطح ایستابی آب زیرزمینی دشت سرخس با ترکیب روش‌های هوش مصنوعی و زمین‌آمار

سابقه و هدف: شبیه سازی جریان زیرزمینی به‌منظور پیش‌بینی سطح ایستابی، در مطالعات هیدروژئولوژی و مدیریتی، احداث سازه‌ها، مصارف کشاورزی و دسترسی به آب‌های زیرزمینی با کیفیت بالا از اهمیت بسزایی برخوردار است. در دهه‌های اخیر به سبب پیچیدگی و ویژگی‌های غیر خطی سیستم‌های آب زیرزمینی، مدل‌های هوش مصنوعی برای شبیه‌‌سازی آبخوان‌ها مورد آزمایش قرار گرفته‌اند. هدف این مطالعه مقایسه مدل‌های شبکه‌ عصبی مصنو...

full text

پیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی

رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک می‌شود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...

full text

تخمین ارتفاع سطح ایستابی در روزهای مختلف سال با استفاده از شبکه‌ی عصبی مصنوعی شعاعی- مطالعه-ی موردی: دشت بهبهان

Knowing of the water table around the region and access to its contour maps is one of the most important planning tools for withdrawal underground aquifers and implementing civil projects. Generally, by using the piezometric wells in the region and different methods of estimation, the water table determined. Limitation of these methods is the inability to estimate water table on different days ...

full text

پیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی

رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک می شود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...

full text

مدل شبکه عصبی مصنوعی تبخیر ماهانه از تشت با استفاده از داده های هواشناسی- مطالعه موردی منطقه حاشیه دریای خزر

تبخیر یکی از مؤلفه‌های اصلی چرخه آب در طبیعت بوده و تعیین دقیق آن برای بسیاری مطالعات مثل بیلان آبی حوزه، طرح ریزی و مدیریت منابع آب حائز اهمیت است. تبخیر به دلیل اثرات متقابل عوامل متعدد اقلیمی، پدیده پیچیده و غیر خطی است و لذا برای تخمین آن باید از مدل‌های پیشرفته استفاده کرد. در این تحقیق، هشت نوع ترکیب پارامترهای هواشناسی بعنوان داده‌های ورودی برای برآورد تبخیر از تشت  با استفاده از شبکه‌ها...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 43  issue 78

pages  17- 28

publication date 2012-02-20

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