پیشبینی سطح آب زیرزمینی دشت بستانآباد با استفاده از ترکیب نظارت شده مدلهای هوش مصنوعی
Authors
Abstract:
آبخوان دشت بستانآباد واقع در استان آذربایجانشرقی تأمینکننده اصلی نیازهای آبی منطقه میباشد. با توجه به برخی محدودیتهای مدلهای عددی مثل وقتگیر و پرهزینه بودن و نیاز به دادههای زیاد، در این تحقیق از مدلهای هوش مصنوعی شامل شبکههای عصبی پیشرو (FNN)، شبکههای عصبی برگشتی (RNN) و برنامهنویسی بیان ژن (GEP) جهت بررسی تغییرات سطح آب زیرزمینی دشت استفاده شده است. دستهبندی پیزومترها به دلیل ناهمگنی آبخوان، قبل از مدلسازی صورت پذیرفت. پارامترهای بارش، تبخیر، دبی خروجی رودخانه اوجان و سطح آبزیرزمینی در یک زمان قبل به عنوان ورودی مدلها مورد استفاده قرار گرفت. با وجود نتایج قابلقبول هر سه مدل بر اساس متوسط RMSE هر دسته در مراحل آموزش و آزمایش، جهت استفاده از کارایی هر سه مدل و دستیابی به نتیجه بهتر، از روش ترکیبی مدلهای هوش مصنوعی با استفاده از یک شبکهعصبی مصنوعی به عنوان ترکیبکننده غیرخطی استفاده گردید. نتایج نشانگر کاهش متوسط خطای هر دسته در مدل هوشمصنوعیمرکب نسبت به مدلهای منفرد به مقدار میانگین 17% در مقادیر RMSE میباشد. با استفاده از نتایج مدل هوش مصنوعی مرکب، تأثیر کاهش 30 و 50 درصدی تخلیه از چاههای بهرهبرداری بر روی سطح آب زیرزمینی مورد بررسی قرار گرفت. نتایج نشانگر بالا رفتن قابلتوجه سطح آب در همه پیزومترها به جز پیزومتر آغچه کهل می باشد. این موضوع نشان دهنده تأثیر بالای مقادیر پمپاژ نسبت به تغییرات آب و هوایی در تغییرات سطح آب زیرزمینی منطقه مطالعاتی می باشد.
similar resources
استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیشبینی سطح آب زیرزمینی
منابع آب زیرزمینی از مهمترین منابع تأمین آب هستند، لذا مدلسازی آنها حائز اهمیت میباشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازههای مهندسی، مصارف کشاورزی و حصول آبهای زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. عمده تقاضا برای آب شرب و کشاورزی در دشت مشگینشهر نیز از طریق آب زیرزمینی تأمین میشود. در این تحقیق چهار مدل هوش مصنوعی که عبا...
full textشبیه 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 textاستفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیش بینی سطح آب زیرزمینی
منابع آب زیرزمینی از مهمترین منابع تأمین آب هستند، لذا مدلسازی آنها حائز اهمیت میباشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازههای مهندسی، مصارف کشاورزی و حصول آبهای زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. عمده تقاضا برای آب شرب و کشاورزی در دشت مشگینشهر نیز از طریق آب زیرزمینی تأمین میشود. در این تحقیق چهار مدل هوش مصنوعی که عبا...
full textترکیب روشهای هوش مصنوعی و زمینآمار برای پیشبینی زمانی و مکانی سطح آب زیرزمینی دشت هادیشهر
دشت هادیشهر با وسعتی معادل 57/55 کیلومترمربع در شمال غرب استان آذربایجان شرقی واقع شده است. در چند سال اخیر، به دلیل برداشت بیرویه از آبهای زیرزمینی این دشت، سطح آب زیرزمینی افت شدیدی پیدا کرده است. لذا بهمنظور یافتن راهکارهایی مفید برای مدیریت صحیح منابع آب زیرزمینی، از ترکیب مدل هوش مصنوعی و زمینآمار برای پیشبینی زمانی و مکانی سطح آب زیرزمینی استفاده شده است. ابتدا برای مدلسازی به روش ...
full textپیش بینی سطح آب زیرزمینی با استفاده از مدل منطق فازی مرکب نظارت شده (مطالعه ی موردی: دشت مشگین شهر)
ارتقاء اطلاعات کمی به بهبود پیشبینی پارامترهای برف کمک میکند. تاکنون تعاملات بین اندازهی پیکسل به صورت محدود بررسیشده است. هدف از این تحقیق، بررسی اثر قدرت تفکیک مکانی بر روی پیشبینی عمق برف از طریق آزمون تجربی روابط بین مدلهای رقومی ارتفاع و پارامترهای مؤثر در مدلسازی عمق معادل برف با قدرت تفکیک مختلف و با استفاده از مدل رگرسیون چندمتغیره میباشد. به همین منظور ابتدا با استفاده از رو...
full textاستفاده از روشهای نوین هوش مصنوعی در بررسی کیفیت منابع آب زیرزمینی (مطالعه موردی: دشت سلماس)
با توجه به تمام پیشرفتهای صورت گرفته در مدیریت منابع آب، معضل بررسی کیفیت آبهای زیرزمینی اصلیترین مشکلی است که در اکثر دشتهای ایران مشاهده میشود. لذا مدیریت و پایش کیفیت منابع آب از اهمیت بالایی برخوردار است. در این تحقیق سعی شد با بهکارگیری دو مدل RBF و GFF شبکه عصبی مصنوعی به پ...
full textMy Resources
Journal title
volume 13 issue 3
pages 43- 55
publication date 2017-11-22
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