مدل‏سازی تراز آب زیرزمینی دشت میاندوآب با استفاده از الگوریتم‌های انتخابات، ژنتیک و روش شبکۀ عصبی مصنوعی

Authors

  • یحیی چوپان دانشجوی دکتری آبیاری و زهکشی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
Abstract:

پیش‏بینی تغییرات تراز آب زیرزمینی در دوره‏های آتی و امکان برنامه‏ریزی و مدیریت منابع آب برای بهبود شرایط آبخوان در آینده، بسیار مهم است. در پژوهش حاضر، برای اولین بار با استفاده از الگوریتم انتخابات که یک الگوریتم تکرارشونده است و از انتخابات ریاست جمهوری الهام گرفته و با مجموعه‏ای از راه‏ حل‏های شناخته‌شده به عنوان جمعیت کار می‏کند، به پیش‏بینی تراز آب زیرزمینی دشت میاندوآب در استان آذربایجان ‏غربی پرداخته شد و نتایج به‌دست‌آمده از این روش با نتایج روش‏های شبکۀ عصبی مصنوعی و الگوریتم ژنتیک مقایسه شد. داده‏های تراز سطح آب دشت میاندوآب، داده‏های هواشناسی مانند دما، بارش، رطوبت، تبخیر و داده‏های آب‏های سطحی در دورۀ آماری 1385ـ 1395 در مقیاس ماهانه برای آموزش و آزمون مدل‏ها استفاده شد. براساس محاسبه‏های انجام‌شده و نتایج به‏دست‌آمده از پارامترهای آماری، الگوریتم انتخابات به‌ترتیب با مقادیر ریشۀ میانگین مربعات خطا (RMSE)، ضریب همبستگی (R2) و معیار نش- ساتکلیف (NSE)، 027/0، 93/0 و 74/0 نسبت به دو روش شبکۀ عصبی مصنوعی و الگوریتم ژنتیک، توانایی درخور توجهی در پیش‏بینی تراز سطح آب زیرزمینی دارد و نتایج قابل اطمینانی را ارائه می‏دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی الگوریتمهای انتخابات، رقابت استعماری و روش شبکه عصبی مصنوعی در بررسی روند افت تراز سطح ایستابی دشت رشتخوار

ارزیابی نوسانات سطح ایستابی در مناطق خشک و نیمهخشک کشور، نیازمند پیشبینی دقیق و کارآمدی از نوسانات آن میباشد. استفاده از روشهای نوین از جمله الگوریتمهای فراابتکاری، شبکههای عصبی مصنوعی و روشهای فازی، جهت تولید دادههای سطح آب مصنوعی و پیشبینی آینده تراز سطح ایستابی به دلیل کارآیی بسیار بالای خود، بسیار کاربردی است. در پژوهش حاضر، با استفاده از روشهای الگوریتمهای انتخابات و رقابت استعماری، شبکه ع...

full text

پیش 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 text

ارزیابی آسیب‌پذیری آب زیرزمینی دشت میاندوآب به نیترات با استفاده از الگوریتم ژنتیک

برای پاک‌سازی آب‌های زیرزمینی آلوده و مصرف مجدد آن، اغلب باید وقت و هزینه زیادی صرف شود و یافتن منبع آبی جایگزین همیشه امکان‌پذیر نیست. محدوده مطالعاتی میاندوآب به عنوان مهم‌ترین دشت حوضه دریاچه ارومیه یکی از مناطق مهم کشاورزی کشور، در معرض خطر آلودگی به نیترات قرار گرفته است. لذا بررسی مناطق آسیب‌پذیر آبخوان این منطقه با روش مناسب از اهمیت بالایی برخوردار است. در این تحقیق ابتدا از روش دراستیک...

full text

پیش‌بینی اثر تغییرات پارامترهای هواشناسی بر منابع آب زیرزمینی با استفاده از مدل‌های شبکه عصبی مصنوعی (مطالعه موردی: دشت میاندوآب)

در این تحقیق، اثر تغییر اقلیم بر منابع آب زیرزمینی دشت میاندوآب در استان آذربایجان غربی مورد بررسی قرار گرفت. در این راستا، سناریوهای A1B، A2 و B1 از طریق مدل ریزمقیاس نمایی LARS-WG و با به­کار بردن مدل گردش عمومی جو HadCM3 و مدل شبکه عصبی مصنوعی در دو دوره زمانی مختلف (2065-2046، 2099-2080) مورد مطالعه قرار گرفتند. بدین منظور از داده­های ماهانه عمق سطح آب زیرزمینی 25 چاه پیزومتری در دشت میاندو...

full text

پیش 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 text

بررسی روند تغییرات کیفیت آب زیرزمینی دشت میاندوآب با استفاده از روش مان– کندال

روند تغییرات کیفیت آب زیرزمینی دشت میاندوآب طی سال­های (1391- 1381) (برای دوره­های پر آب و کم آب) با استفاده از آزمون ناپارامتری مان- کندال اصلاح شده برای ضریب خودهمبستگی مرتبه اول تحلیل شد. نتایج نشان داد که از مجموعه‌ 25 ایستگاه نمونه­برداری آب و برای 14 متغیر کیفی مورد بررسی، برای دوره پر آب، 58 درصد از مشاهده‌ها دارای روند صعودی، 32 درصد روند نزولی و ده درصد بدون روند (در سطح معنی­داری 5 در...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 4

pages  1175- 1189

publication date 2018-12-22

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