پیش بینی نوسانات سطح آب زیرزمینی دشت قروه با استفاده از شبکه عصبی - موجکی
thesis
- دانشگاه تربیت معلم - تهران - دانشکده علوم
- author امیر صابری نصر
- adviser محمد نخعی
- Number of pages: First 15 pages
- publication year 1389
abstract
شبیه سازی سطح آب زیرزمینی با استفاده از مدل های عددی نیاز به پارامترهای هیدروژئولوژیکی و ژئولوژیکی مختلفی دارد. در این مدل ها شناسایی شرایط مرزی، تعیین داده های ورودی، کالیبراسیون و صحت سنجی، دشوار، زمان بر و پرهزینه می باشد. به علاوه ترکیب این مدل ها با مدل های بهینه سازی برای یافتن سناریوی مدیریت آب زیرزمینی بهینه، نیاز به صدها بار اجرای برنامه دارد. اما روشی که در سال های اخیر مورد توجه مهندسین هیدروژئولوژی قرار گرفته است، استفاده از روش شبکه های عصبی مصنوعی می باشد. همزمان با گسترش استفاده از ann، استفاده از آنالیز موجک در زمینه هیدروژئولوژی نیز مطرح گردیده است. ترکیب این دو روش، مدلی با کارایی بهتر در پیش بینی فرآیندهای هیدروژئولوژیکی به نام شبکه عصبی-موجکی را به وجود می آورد. در این تحقیق نخست مبانی این شبکه ها بیان شده، سپس با بهره گیری از آن به مطالعه موردی دشت قروه پرداخته شده است. بهترین مدل سازی از روش تبدیل موجک گسسته، با موجک های db2 و db4 و با شبکه عصبی fnn-lm بدست آمد. سپس نتایج این مدل با نتایج حاصل از مدل عددی modflow مقایسه گردید. نتایج بیانگر آن است که روش شبکه عصبی-موجکی نسبت به روش عددی کارایی بالاتری را در پیش بینی نوسانات سطح آب زیرزمینی دارا می باشد. در نهایت با توجه به مدل های شبکه عصبی-موجکی بدست آمده، به پیش بینی نوسانات سطح آب زیرزمینی در این دشت پرداخته شد.
similar resources
پیشبینی نوسانات سطح آب زیرزمینی دشت قروه با استفاده از شبکه عصبی- موجکی و مقایسه آن با مدل عددی MODFLOW
آبهای زیرزمینی یکی از منابع مهم تامین آب در تمام دنیا به شمار میروند. در سالهای اخیر با توجه به مشکل کمبود منابع آبی، مسأله استفاده و مدیریت بهینه از این منابع اهمیت خاصی پیدا کرده است. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه آنها، لازم است پیشبینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. این نوسانات ناشی از عوامل مختلفی است که از جمله آنها، عوامل آب و هوایی(حرارت، میزان بارندگی،...
full textپیش بینی نوسانات سطح آب زیرزمینی دشت قروه با استفاده از شبکه عصبی- موجکی و مقایسه آن با مدل عددی modflow
آبهای زیرزمینی یکی از منابع مهم تامین آب در تمام دنیا به شمار می روند. در سال های اخیر با توجه به مشکل کمبود منابع آبی، مسأله استفاده و مدیریت بهینه از این منابع اهمیت خاصی پیدا کرده است. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه آنها، لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. این نوسانات ناشی از عوامل مختلفی است که از جمله آنها، عوامل آب و هوایی(حرارت، میزان بارندگی،...
full textپیش 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 textاستفاده از مدل های ترکیبی ماشین بردار پشتیبان - موجکی و شبکه عصبی -موجکی در پیشبینی تراز آب زیرزمینی دشت اردبیل
چکیده آبهای زیرزمینی همواره به عنوان یکی از منابع مهم و عمده ی تأمین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بودهاند. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه ی آنها، لازم است پیشبینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. در این تحقیق اطلاعات 15 پیزومتر موجود در دشت اردبیل مورد استفاده قرارگرفت. از تبدیل موجک و روش خوشهبندی به ترتیب برای پیشپردازش زمانی و مک...
full textپیش بینی نوسانات سطح آب زیرزمینی در آبخوان باروق با استفاده از مدل SOM-AI
قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. رشد روز افزون جمعیت و محدودیت منابع آبی و استفاده بیش از قبل از منابع آب زیرزمینی در بیشتر نقاط کشور، پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه میطلبد. در این تحقیق به منظورتخمین نوسانات سطح آب زیرزمینی آبخوان باروق در استان آذربایجان غربی و محدوده مطالعاتی میاندوآب...
full textMy Resources
document type: thesis
دانشگاه تربیت معلم - تهران - دانشکده علوم
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023