پیش‏بینی تراز آب زیر زمینی با استفاده از مدل‏های مادفلو، ماشین آموزش نیرومند و ویولت-ماشین آموزش نیرومند

Authors

  • سعید شعبانلو گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
  • لعبت تقوی گروه محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد، تهران
  • مریم ملکزاده گروه محیط زیست، واحد علوم و تحقیقات، دانشگاه ازاد، تهران
  • کیوان صائب گروه محیط زیست، واحد تنکابن، دانشگاه ازاد، تنکابن
Abstract:

در این مطالعه تراز آب زیرزمینی منطقه کبودر آهنک واقع در استان همدان، ایران با استفاده از مدل‏های مادفلو، ماشین آموزش نیرومند (ELM) و ویولت-ماشین آموزش نیرومند WA-ELM)) شبیه‏سازی می‏شود. تجزیه و تحلیل نتایج مدل‏سازی نشان می‏دهد که مدل‏های عددی تراز آب زیرزمینی را با دقت قابل قبولی شبیه‏سازی می‏کنند. به‏عنوان مثال مقادیر ضریب همبستگی و شاخص پراکندگی برای مدل مادفلو به‏ترتیب مساوی 0.917 و 0.0004 بدست آمد. سپس با ترکیب‏های ورودی مختلف و با استفاده از گام زمانی صحیح، به صورت تاخیرهای متفاوت 10 مدل مختلف برای مدل‏های ELM و WA-ELM تعریف می‏شود. با ارزیابی کلیه توابع فعال‏سازی مدل ELM، تابع فعال‏سازی sigmoid مقادیر تراز آب زیرزمینی را با دقت بیشتری پیش‏بینی می‏کند. همچنین Daubechies2 به‏عنوان خانواده ویولت مدل‏های WA-ELM انتخاب می‏شود. بر اساس نتایج مدل‏های عددی مختلف، مدل WA-ELM به‏عنوان مدل برتر در پیش‏بینی تراز آب زیرزمینی انتخاب می‏شود. برای مدل برتر مقادیر ضریب همبستگی و ضریب نش به‏ترتیب برابر 0.959 و 0.915 محاسبه شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

شبیه‌سازی تراز آب زیرزمینی با استفاده از مدل ترکیبی موجک-ماشین آموزش نیرومند خودتطبیقی

در مطالعه حاضر، با استفاده از روش­های نوین ماشین آموزش نیرومند خود تطبیقی  (SAELM)و موجک-ماشین آموزش نیرومند خود تطبیقی  (WA-SAELM) تراز آب زیرزمینی در منطقه کبودر آهنگ واقع در استان همدان مورد بررسی قرار گرفت. در ابتدا با استفاده از تابع خود همبستگی، تاخیرهای موثر شناسایی شده و سپس با استفاده از این تاخیرها برای هر یک از روش­های SAELM و WA-SAELM، 10 الگوی متمایز ورودی توسعه داده شد. با ارزیابی...

full text

شبیه‌سازی روزنه‌های جانبی مستطیلی و دایروی توسط ماشین آموزش نیرومند

در مطالعه‌ی حاضر، با استفاده از ماشین آموزش نیرومند، ضریب دبی روزنه‌های جانبی مستطیلی و دایروی تخمین زده شده است. برای ارزیابی دقت مدل‌سازی از شبیه‌سازی‌ها مونت‌کارلو و جهت صحت‌سنجی از روش اعتبارسنجی چندلایه برای $k=5$ استفاده شده است. ابتدا بهینه‌ترین تعداد نرون‌های لایه‌ی مخفی مساوی ۳۰ انتخاب شده است. همچنین نتایج کلیه‌ی توابع فعال‌سازی مدل ماشین آموزش نیرومند بررسی و تابع فعال‌سازی s‌i‌g‌m‌o...

full text

پیش‌بینی عدد فرود جریان سه فازی در سیستم‌های فاضلاب‏رو با استفاده از ماشین آموزش نیرومند

به‌طور کلی کانال‌های دایروی در سیستم‌های جمع‌آوری فاضلاب‌های شهری مورد استفاده قرار می‌گیرند. در مقابل جریان درون این مجاری یک جریان سه فازی شامل آب، هوا و رسوبات است. مطالعات فراوانی در ارتباط با جریان درون کانال‌های فاضلاب توسط پژوهشگران مختلف انجام شده است. در پژوهش حاضر با استفاده از مدل ماشین آموزش نیرومند، عدد فرود جریان سه فازی درون کانال‌های دایروی فاضلاب‌رو تخمین زده ‌شد. سپس ب...

full text

تخمین پارامترهای کیفی و کمی آب زیرزمینی توسط مدل‌های عددی: مطالعه موردی حوضه آبریز میقان در دشت اراک

در این مطالعه، مقادیر شوری، هدایت الکتریکی، تراز آب زیرزمینی و کل جامدات محلول در محدوده مطالعاتی اراک توسط چهار مدل نوین هوش مصنوعی ماشین آموزش نیرومند، ویولت- ماشین آموزش نیرومند، ماشین آموزش نیرومند ترتیبی آنلاین و ویولت- ماشین آموزش نیرومند ترتیبی آنلاین و همچنین نرم افزار مادفلو (مدل MT3D) شبیه­سازی شدند. لازم به ذکر است که برای توسعه مدل­های ترکیبی از تبدیل ویولت استفاده شد. در ابتدا، با ...

full text

مدلسازی ظرفیت آبدهی سرریزهای جانبی واقع بر کانالهای همگرابه کمک استفاده از ماشین آموزش نیرومند

به طور کلی سررریزهای جانبی برای تنظیم و اندازه گیری جریان درون کانالهای باز مورد استفاده قرار میگیرند. در این مطالعه ضریب دبی سرریزهای جانبی واقع بر کانالهای همگرا توسط ماشین آموزش نیرومند شبیه سازی شد. ماشین آموزش نیرومند یک الگوریتم هوش مصنوعی برای پیش بینی پدیدههای پیچیده است. همچنین از شبیه سازی های مونت کارلو و روش اعتبار سنجی ضربدری برای ارزیابی دقت مدل عددی استفاده گردید. سپس با توجه به ...

full text

پیش‌بینی تراز سطح آب مخزن سد با استفاده از روش ماشین هوشمند نظارت شده، مطالعه موردی: سد امیرکبیر کرج

پیش‌بینی صحیح تغییرات تراز سطح آب مخازن به عنوان یکی از مسائل مهم جهت مدیریت، طراحی، بهره‌برداری از سدها و تأمین نیازهای آبی مطرح می‌باشد. در این مطالعه بر پایه پنج مدل نرم رگرسیون بردار پشتیبان (SVR)، سیستم استنتاج عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی (ANN)، شبکه عصبی شعاعی (RBFNN) و شبکه عصبی مبتنی بر رگرسیون عمومی (GRNN) و استفاده تلفیقی از نتایج آن‌ها به عنوان ورودی به یکی از این پنج مدل، سا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 5

pages  496- 501

publication date 2019-01-21

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