بررسی مدل های موجک و سری زمانی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت نمدان)

thesis
abstract

خشکسالی های پی در پی تأثیر زیاد در افت آبخوان ها و بدنبال آن مدیریت سفره های آبی داشته است. در این راستا کاربرد مدل های پیش گویی می تواند در مدیریت صحیح از سفره های زیرزمینی موثر باشد. روند کلی هیدروگراف معرف آب زیرزمینی دشت نمدان بر اساس اطلاعات سطح آب زیرزمینی در طی سال های گذشته نزولی و نشانگر وقوع افت مداوم و کاهش ذخائر آب زیرزمینی می باشد. دراین تحقیق برای پیش بینی نوسان های سطح آب زیرزمینی از سه مدل سری زمانی تلفیقی، شبکه عصبی مصنوعی و شبکه عصبی موجکی که از معروف ترین مدل های پیش بینی هستند، استفاده شد. در مدل سری زمانی کارایی و دقت مدل آریما مورد ارزیابی قرار گرفت. با توجه به معیار آکائیک و جذر میانگین مربعات خطا مدلarima(0,1,1)(0,1,1)12 به عنوان مدل مناسب تر انتخاب شد. در روش شبکه عصبی مصنوعی پیش خور پس انتشار خطااز سه تابع آموزشی پس انتشار ارتجاعی، شیب توأم مقیاس شده و تابع لونبرگ مارکوآرت استفاده شد. در 19ترکیبی که به عنوان ورودی وارد شبکه عصبی مصنوعی شدند، بر اساس نتایج ضریب همبستگی و جذر میانگین مربع خطاها در مرحله آزمایش و آموزش دو ترکیب ورودی بارندگی یک ماه قبل و ارتفاع مطلق سطح آب زیرزمینی با یک ماه تأخیر و تخلیه و ارتفاع مطلق سطح آب زیرزمینی با یک ماه تأخیر، تاثیر بیشتری بر سطح آب زیرزمینی داشتند. در مدل شبکه عصبی موجکی از همه ی 19سناریوی ورودی به مدلann استفاده نشد بلکه فقط دو ترکیب های ورودی که بیشترین تأثیر را بر سطح آب زیرزمینی داشتند، توسط تبدیل موجک پیش پردازش شدند و به عنوان ورودی به مدل annمورد استفاده قرار گرفتند.گرچه پیش پردازش داده ها می تواند مدل سازی سطح آب های زیرزمینی را بهبود بخشد ولی مدلannبا مقدار عددی rmse معادل 03366/0 نسبت به روش-های دیگر از اولویت بالاتری برخوردار است و پیش پردازش نتایج را چندان بهبود نداده است. البته علت می تواند مربوط به ماهیت داده ها باشد و ممکن است اگر عملیات پیش پردازش بر روی نوع دیگری از داده های هیدرولوژی و یا در منطقه دیگری اعمال شود نتایج متفاوتی بدست آید..با توجه به نتایج، مقدار عددی افت سفره آبی دشت نمدان برای سال آبی 1391-1390برای مدل آریما، شبکه عصبی و شبکه عصبی موجکی به ترتیب معادل 1/699 ، 0/488 و 0/572 متر است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

پیش 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 text

پیش بینی تغییرات سطح آب زیرزمینی دشت همدان-بهار با مدل سری های زمانی

دشت همدان- بهار، یکی از چهاردشت منطقه همدان است. وسعت گسترش سفره آبدار اصلی موجود در آبرفت های این دشت، حدود 520 کیلومترمربع می باشد. این سفره، از طریق نفوذ مستقیم از ریزش های جوی، نفوذ از جریان های سطحی، آب برگشتی از مصارف کشاورزی، شرب و صنعت و هم چنین ورودی های زیرزمینی تغذیه و از طریق برداشت از آب زیرزمینی برای مصارف مختلف و هم چنین خروجی زیرزمینی تخلیه می گردد. روند کلی هیدروگراف معرف آب زی...

full text

کاربرد مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی

سفره ‏های آب زیرزمینی غالباً به عنوان سیستم ‏هایی با ویژگی ‏های غیرایستا و غیرخطی شناخته می ‏شوند. مدل‏ سازی این سیستم ‏ها و پیش ‏بینی حالت ‏های آینده آن ‏ها نیازمند تشخیص این ویژگی‏ های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی‏ های اشاره‏ شده، به طور گسترده ‏ای در زمینه پیش ‏بینی سری‏ های زمانی هیدرولوژیکی مورد استفاده قرار گرفته ‏است. در این مقاله توانایی مدل ترکیبی ...

full text

کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش...

full text

پیش بینی سطح آب زیرزمینی با استفاده از مدلهای سری زمانی (مطالعه موردی: دشت ارومیه)

پیش‏بینی نوسانات سطح آب‏زیرزمینی، برای مدیریت و استفاده از منابع آبی به ویژه در مناطق خشک و نیمه‏خشک امری ضروری است. در تحقیق حاضر برای پیش‏بینی نوسانات سطح آب‏زیرزمینی در دشت ارومیه از مدل‏های سری‏زمانی استفاده شد. جهت بررسی نرمال بودن و ایستایی داده¬ها به‏ترتیب از آزمون چولگی و adf استفاده گردید. سپس با حذف عوامل ناایستایی، سری¬ سطح آب‏زیرزمینی ایستا ‏شد و مدل‏های مختلف سری زمانی بر داده‏های ...

15 صفحه اول

پیش بینی زمانی و مکانی تراز آب زیرزمینی دشت داورزن

هدف از این پژوهش تخمین مقدار تراز آب زیرزمینی در نقاط مختلف دشت داورزن واقع در استان خراسان رضوی در یک ماه آینده است. جهت پیش ­بینی زمانی از روش پرسپترون چندلایه‌ شبکه­ عصبی و برای پیش ­بینی مکانی از روش کریجینگ استفاده شده است. داده­ های ورودی شامل سری زمانی تراز آب زیرزمینی است که به ­مدت هشت سال از مهر 82 تا اسفند 89 به صورت ماهیانه اندازه­گیری شده است. ابتدا به ­منظور تعیین میزان دقت مدل، ت...

full text

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 یزد - دانشکده کشاورزی و منابع طبیعی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023