کاربرد مدل شبکه عصبی در برآورد میزان برداشت از آبهای زیرزمینی (نمونه موردی: شرق جلگه اصفهان)
Authors
Abstract:
Predicting the amount of water consumed would help the managers in exploitation of underground water systems so that they could manage consumption effectively. This issue, especially in Iran with repeatedly drought and limited water sources is significantly more important. In the present research, by using, artificial neural networks as a powerful tool in non-linear and indefinite processes have been used in order to predict the amount of water.The data used in this study to analyze the status of groundwater resources and predict the future course of using the neural network,are the discharge of any of the existing wells in the villages of the region according to different years In the period 2003 to 2011, the number of 16222 wells. exploited from underground resources located in the eastern part of Isfahan plain. The results indicate that the water volume exploited from underground resources will reach up to 519 Million cubic meters until 2015. Considering the instability of surface resources in the region, this issue adds more and more on the necessity of the crisis management planning.
similar resources
برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی
زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...
full textکاربرد شبکه عصبی مصنوعی در شبیه‌سازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان(
اربرد شبکه عصبی مصنوعی در شبیه‌سازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( چکیده در این پژوهش، از شبکههای عصبی مصنوعی ( Artificial Neural Networks ) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیشبینی سیکل خشکسالی در20 ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل20 سال آمار روزانه داشتند، استفاده شد. از نرمافزار M...
full textکاربرد نظریه‌ی بازی‌ها در تعیین میزان برداشت بهینه از سفره‌های آب زیرزمینی دشت فیروزآباد
مشکل کم آبی در بیش‌تر استان‌های ایران از جمله استان فارس، به دلیل پراکندگی و نامنظم بودن بارندگی بسیار محسوس است. از جمله‌ی عوامل دیگری که مشکل کم آبی را شدیدتر کرده است، بهره‌برداری بیش از حد مجاز از آبهای زیرزمینی است. در این تحقیق برای مدیریت منابع آب زیرزمینی دشت فیروزآباد و تعیین میزان برداشت بهینه از ذخایر آبهای زیرزمینی از نظریه‌ی بازی‌ها استفاده شد. در این راستا، برای به‌دست آوردن مات...
full textکاربرد نظریه بازی‌ها در تعیین میزان برداشت بهینه از منابع آب زیرزمینی دشت تایباد
در این مطالعه به منظور مدیریت منابع آب زیرزمینی دشت تایباد و تعیین مقدار برداشت بهینه از ذخایر آبهای زیرزمینی از نظریه بازی‌ها استفاده شد. به این ترتیب که نخست با استفاده از الگوی SARIMA میزان بارندگی سال زراعی 1388-1387 برای دشت مورد مطالعه پیشبینی شد و برای تعیین ضریب برداشت بیش از حد، مقدار تغذیه به ذخایر آبهای زیرزمینی با استفاده از مقادیر پیشبینی شده‌ی بارندگی تخمین زده شد. در گام بعد...
full textپیشبینی پراکنش رویشگاه گونۀSeidlitzia rosmarinus در مراتع شرق سمنان با استفاده از مدل شبکه عصبی مصنوعی
شبکه عصبی مصنوعی، ساختارهای پردازش اطلاعاتی جدیدی هستند که از روش‌های مخصوص شبکههای عصبی بیولوژیک استفاده می‌کنند. هدف از این مطالعه مدلسازی پراکنش گونه Seidlitziarosmarinus در مراتع شمال شرق سمنان با استفاده از مدل شبکه عصبی است. بدین منظور برای نمونه‌برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت 750 متری مستقر و در هر ترانسکت 15 پلات با فواصل50 متر مستقر شد. نمونه‌برداری از خاک با توجه به...
full textMy Resources
Journal title
volume 4 issue 7
pages 99- 109
publication date 2015-09
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023