پیش بینی نوسانات سطح ایستابی با استفاده از شبکه عصبی مصنوعی مطالعه موردی دشت فیروزآباد فارس
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کشاورزی
- author بهناز تجلی زاده خوب
- adviser سید علی اکبر موسوی شهرام جعفری
- Number of pages: First 15 pages
- publication year 1387
abstract
آب زیرزمینی یک منبع بسیار مهم تأمین آب شیرین مورد نیاز جهت مصارف کشاورزی، شرب و صنعت در تمام جهان می باشد و در مناطق خشک و نیمه خشک که محدودیت هایی برای منابع دیگر وجود دارد از اهمیت ویژه ای برخوردار است. دشت فیروزآباد یکی از دشتهای مستعد برای کشاورزی در استان فارس می باشد که با توجه به خشکسالی و گسترش همزمان چاههای بهره برداری در سالهای اخیر روند نزولی سطح آب از سال 1378 شروع شده و همچنان ادامه دارد، چنانکه به علت افت سطح آب و بیلان منفی، بهره برداری از منابع آب زیرزمینی محدوده مطالعاتی فیروزآباد ازسال1381 ممنوع شده است. در این تحقیق از شبکه های عصبی که قدرت زیادی در شبیه سازی سیستمهای پیچیده دارند برای پیش بینی سطح ایستابی چاههای منتخب استفاده شده است. برای این منظور 32 چاه مشاهده ای موجود در دشت با استفاده از روش دسته بندی فازی در 3 گروه دسته بندی شده و از هر دسته 1 چاه به عنوان نمونه انتخاب و فرآیند پیش بینی برای آن انجام شده است. اطلاعات موجود در زمینه بارندگی، تبخیر از دشت، میزان رطوبت نسبی و دبی رودخانه فیروز آباد به عنوان اطلاعات اولیه مورد استفاده قرار گرفت. پس از تعیین میزان همبستگی این داده ها با سطح ایستابی، داده های مناسب به عنوان ورودی شبکه عصبی انتخاب و بهترین ساختار و الگوریتم برای شبکه عصبی استخراج و جهت پیش بینی سطح ایستابی استفاده شده است. نتایج به دست آمده نشان می دهد که شبکه های عصبی مصنوعی توانایی خوبی جهت پیش بینی نوسانات سطح ایستابی در ماههای آینده دارند که هرچه این افق پیش بینی طولانی تر شود از دقت نتایج نیز کاسته می شود. ضمناً در شرایط استفاده از داده های ناکافی و کم دقت توانایی شبکه جهت پیش بینی کاهش قابل توجهی را نشان داد. در این تحقیق پیش بینی سطح ایستابی چاه مشاهده ای نجف آباد با سطوح ایستابی عمیق بهترین نتایج را داشته و پیش بینی تا 6 ماه آینده انجام شده است که برای ماه اول میزان rmse برابر 59/0 و برای ماه ششم برابر 29/1 متر بدست آمده است و بدترین نتایج مربوط به چاه مشاهده ای پلیس راه بوده است که دارای داده های با خطای زیاد بوده و مقدار rmse در ماه اول 1/1 و در ماه دوم پیش بینی برابر 58/1 بوده است.
similar resources
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 textپیش بینی سطح ایستابی مناطق خشک و نیمه خشک با استفاده از شبکه عصبی مصنوعی و قانون یادگیری Gradient Descent.
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 textمقایسه کارایی روش‌های شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن برای پیش بینی سطح ایستابی در مناطق خشک و نیمه خشک ( مطالعه موردی: دشت جیرفت)
مدل‌سازی و پیشبینی سطح ایستابی چاه‌ها یکی از کار‌های اساسی برایرسیدن به مدیریت بهینه منابع آب می‌باشد. یکی از راه‌های پیشبینی سطح آب زیرزمینی استفاده از تکنیک‌های هوش مصنوعی نظیر شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن می‌باشد. هدف از این پژوهش بررسی کارایی روش شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن در پیشبینی سطح ایستابی آب زیرزمینی آبخوان دشت جیرفت می‌باشد. به این منظور از داده‌های سطح ایست...
full textپیش بینی سطح مدیریت سود با استفاده از شبکه های عصبی مصنوعی...
اکثر تحقیقات انجام شده در حوزه مدیریت سود به بررسی انگیزه ها و عوامل موثر بر سطح مدیریت سود پرداخته اند، ولی از این متغیرها به طور مستقیم برای پیش بینی سطح مدیریت سود استفاده نشده است. در نتیجه تنها همبستگی بین مدیریت سود و این متغیرها بررسی شده است. از این رو، طراحی یک مدل برای پیش بینی سطح مدیریت سود به منظور کاهش ریسک بحران های مالی ناشی از مدیریت سود و کمک به سرمایه گذاران، اعتبار دهندگان و...
full textپیش بینی سطح آب زیرزمینی با استفاده از مدل ترکیبی سری زمانی-موجک (مطالعه موردی: دشت فیروزآباد)
در سالهای اخیر، پدیده تغییراقلیم، خشکسالی، برداشت بیرویه آبهای زیرزمینی،... باعث افت شدید سطح آبهای زیرزمینی شده است؛ که خطراتی همچون نشست زمین و افزایش کویری شدن را در پی داشته است. لذا پیشبینی قابل اطمینان سطح آبهای زیرزمینی برای مدیریت این منابع، حائز اهمیت است. امروزه تبدیل موجک از طریق تجزیه سیگنالها به زمان و فرکانس شیوه نوینی را برای پردازش سیگنال ارائه میدهد. در پژوهش حاضر، به...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کشاورزی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023