پیش بینی سطح آب زیرزمینی دشت بسطام با استفاده از مدل شبکه عصبی مصنوعی (ann) و شبکه استنتاج تطبیقی عصبی فازی (anfis)

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده علوم انسانی
author خدیجه مسلمی
adviser صمد امامقلی زاده
Number of pages: First 15 pages
publication year 1390

abstract

دشت بسطام با مساحتی در حدود 406 کیلومتر مربع در 8 کیلومتری شمال شرق شهرستان شاهرود قرار گرفته است. این دشت یکی از مهمترین دشت‎ها از نقطه نظر کشاورزی بوده که برداشت بی‎رویه از منابع آب زیرزمینی باعث افت زیادی در سطح آب این دشت گردیده است. هدف از این تحقیق مدلسازی سطح آب زیرزمینی با استفاده از مدل‎های غیرخطی شبکه عصبی مصنوعی و شبکه استنتاج تطبیقی عصبی فازی می‎باشد. برای انجام مدلسازی با شبکه عصبی مصنوعی از شبکه پروسپترون چندلایه پیشرو با توابع محرک سیگموئید، گوس، تانژانت هیپربولیک و سکانت هیپربولیک و قانون آموزش پس‎انتشار خطا (back propagation with momentum, bp) استفاده گردید. داده‎های ورودی به هر دو شبکه شامل برداشت از آب زیرزمینی، آب برگشتی کشاورزی و بارش موثر می‎باشد. نتایج بدست آمده نشان می‎دهد هر دو روش توانستند با دقت بالایی سطح آب زیرزمینی را پیش‎بینی نمایند. در مدلسازی با شبکه استنتاج تطبیقی عصبی فازی روش سوگنو از بین ساختارها و توابع عضویت مختلف، تابع عضویت ذوزنقه‎ای شکل و روش انبوهش مینیمم با ضریب همبستگی 99/0 و 91/0 به ترتیب در مراحل آموزش و صحت‎سنجی؛ و در مدلسازی با شبکه عصبی مصنوعی تابع محرک تانژانت هیپربولیک با ضریب همبستگی 99/0 و ریشه میانگین مجذور خطا 36/0 در مرحله آموزش و ضریب همبستگی 83/0 و ریشه میانگین مجذور خطا 06/1 مرحله صحت‎سنجی، بهترین جوابها با کمترین خطاها را ایجاد کردند. با مقایسه نتایج مشخص شد، از میان این دو شبکه، شبکه استنتاج تطبیقی عصبی فازی پیش‎بینی دقیق‎تری را از سطح آب زیرزمینی ارائه نمود. پس از تعیین بهترین شبکه برای انجام مدلسازی، پیش‎بینی سطح آب زیرزمینی در 2 سال آینده با سناریوهای مختلفی چون الف) مقدار برداشت و بارش در 2 سال آینده ثابت و برابر زمان حال باشد. ب) مقدار برداشت را به اندازه کاهش حجم سالانه آب در آبخوان تقلیل یابد و مقدار بارش ثابت باشد. ج) مقدار برداشت ثابت و بارش 30% کاهش یابد (دوره خشکسالی)، انجام گرفت و با هم مقایسه گردید. بر اساس نتایج بدست آمده زمانی که مقدار برداشت به اندازه کاهش حجم سالانه آب در آبخوان تقلیل یابد، مقدار افت در کل دشت از 8/1 متر به 7/0 متر کاهش یافته و در سناریو خشکسالی مقدار افت از 8/1 متر به 2 متر افزایش پیدا می‎کند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مقایسه توانایی پیش بینی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی- فازی انطباقی(ANFIS) و تبدیل موجک-عصبی: قیمت سبد نفت خام اوپک

پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، ...

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

پیش بینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ann) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (anfis)

در طی سال های اخیر پیش بینی فرآیندهای هیدرولوژیکی به منظور بهره برداری پایدار از منابع آب با استفاده از روش های هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهره گیری از شبکه های عصبی مصنوعی (ann) و سیستم استنتاج فازی- عصبی تطبیقی (anfis) اقدام به پیش بینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. برای مد...

full text

پیش‌‌بینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)

در طی سال‌های اخیر پیش‌‌بینی فرآیندهای هیدرولوژیکی به منظور بهره‌برداری پایدار از منابع آب با استفاده از روش‌‌های هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهره‌‌گیری از شبکه‌‌های عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) اقدام به پیش‌‌بینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. بر...

full text

طراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)

تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله با آن باشند. یکی از این راه کارها پیش بینی حجم ترافیک روزانه است. پیش بینی ترافیک به کنترل کننده ها کمک می کند ت...

full text

پیش بینی نوسانات سطح آب زیرزمینی دشت بیرجند از طریق شبکه عصبی مصنوعی (ann)

چکیده ندارد.

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده علوم انسانی

Keywords

دشت بسطام شبکه عصبی مصنوعی شبکه استنتاج تطبیقی عصبی فازی

Hosted on Doprax cloud platform doprax.com