استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیشبینی سطح آب زیرزمینی
نویسندگان
چکیده مقاله:
منابع آب زیرزمینی از مهمترین منابع تأمین آب هستند، لذا مدلسازی آنها حائز اهمیت میباشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازههای مهندسی، مصارف کشاورزی و حصول آبهای زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. عمده تقاضا برای آب شرب و کشاورزی در دشت مشگینشهر نیز از طریق آب زیرزمینی تأمین میشود. در این تحقیق چهار مدل هوش مصنوعی که عبارتند از شبکه عصبی پیشرو، شبکه عصبی برگشتی، منطق فازی ساگنو و ماشینبردار پشتیبان برای پیشبینی سطح آب زیرزمینی استفاده شدند. با توجه به نزدیک بودن نتایج به دست آمده و با توجه به این مسئله که مدلهای مختلف در مراحل مختلف مدلسازی نتایج متفاوتی ارائه دادند، انتخاب یکی از مدلها به عنوان مدل منتخب معقول به نظر نمیرسید. لذا از ترکیب غیر خطی این چهار مدل که مدل هوش مصنوعی مرکب نظارت شده نامیده میشود، برای ترکیب نتایج این مدلها استفاده شد تا نتایج به دست آمده تقویت شده و از توانایی مدلهای مختلف به طور همزمان استفاده شود. به منظور ارزیابی کارایی و دقت مدلها در پیشبینی، از دو معیار مختلف RMSE و R2 استفاده شد. نتایج نشان دادند که مدل SCMAI با مقادیر R2 برابر 85/0 و 90/0 به ترتیب برای پیزومترهای شماره 1 و 2 در مرحله آموزش بهترین پیشبینی را نسبت به هر کدام از چهار مدل منفرد هوش مصنوعی ارائه کرده است. همچنین مدل SCMAI توانست RMSE پیشبینی را تا 9% درصد برای پیزومتر شماره یک و 17% درصد برای پیزومتر شماره دو کاهش دهد.
منابع مشابه
استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیش بینی سطح آب زیرزمینی
منابع آب زیرزمینی از مهمترین منابع تأمین آب هستند، لذا مدلسازی آنها حائز اهمیت میباشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازههای مهندسی، مصارف کشاورزی و حصول آبهای زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. عمده تقاضا برای آب شرب و کشاورزی در دشت مشگینشهر نیز از طریق آب زیرزمینی تأمین میشود. در این تحقیق چهار مدل هوش مصنوعی که عبا...
متن کاملاستفاده از مدل هوش مصنوعی مرکب نظارت شده برای بهبود مدل دراستیک (مطالعه موردی: آبخوان دشت اردبیل)
آلودگی منابع آب زیرزمینی به علت نفوذ آلایندهها از سطح زمین به سامانه آب زیرزمینی بهویژه در مناطق خشک و نیمهخشک که با کمبود کمی و کیفی منابع آب روبهرو هستند؛ یکی از معضلات جدی به شمار میآید. بنابراین ارزیابی آسیبپذیری آب زیرزمینی به منظور شناسایی مناطق دارای پتانسیل بالای آلودگی برای مدیریت منابع آب زیرزمینی ضروری است. در این پژوهش آسیبپذیری آبخوان دشت اردبیل در برابر آلودگی با استفاده از...
متن کاملپیش بینی سطح آب زیرزمینی با استفاده از مدل منطق فازی مرکب نظارت شده (مطالعه ی موردی: دشت مشگین شهر)
ارتقاء اطلاعات کمی به بهبود پیشبینی پارامترهای برف کمک میکند. تاکنون تعاملات بین اندازهی پیکسل به صورت محدود بررسیشده است. هدف از این تحقیق، بررسی اثر قدرت تفکیک مکانی بر روی پیشبینی عمق برف از طریق آزمون تجربی روابط بین مدلهای رقومی ارتفاع و پارامترهای مؤثر در مدلسازی عمق معادل برف با قدرت تفکیک مختلف و با استفاده از مدل رگرسیون چندمتغیره میباشد. به همین منظور ابتدا با استفاده از رو...
متن کاملپیشبینی سطح آب زیرزمینی دشت بستانآباد با استفاده از ترکیب نظارت شده مدلهای هوش مصنوعی
آبخوان دشت بستانآباد واقع در استان آذربایجانشرقی تأمینکننده اصلی نیازهای آبی منطقه میباشد. با توجه به برخی محدودیتهای مدلهای عددی مثل وقتگیر و پرهزینه بودن و نیاز به دادههای زیاد، در این تحقیق از مدلهای هوش مصنوعی شامل شبکههای عصبی پیشرو (FNN)، شبکههای عصبی برگشتی (RNN) و برنامهنویسی بیان ژن (GEP) جهت بررسی تغییرات سطح آب زیرزمینی دشت استفاده شده است. دستهبندی پیزومترها به دلیل ن...
متن کاملترکیب روشهای هوش مصنوعی و زمینآمار برای پیشبینی زمانی و مکانی سطح آب زیرزمینی دشت هادیشهر
دشت هادیشهر با وسعتی معادل 57/55 کیلومترمربع در شمال غرب استان آذربایجان شرقی واقع شده است. در چند سال اخیر، به دلیل برداشت بیرویه از آبهای زیرزمینی این دشت، سطح آب زیرزمینی افت شدیدی پیدا کرده است. لذا بهمنظور یافتن راهکارهایی مفید برای مدیریت صحیح منابع آب زیرزمینی، از ترکیب مدل هوش مصنوعی و زمینآمار برای پیشبینی زمانی و مکانی سطح آب زیرزمینی استفاده شده است. ابتدا برای مدلسازی به روش ...
متن کاملارزیابی چند مدل هوش مصنوعی برای پیشبینی کیفیت آب زیرزمینی (مطالعۀ موردی: دشت گرو)
Introduction Today, a significant portion of the water consumption in Iran, especially in the drinking sector, is provided by water resources. Exploitation of groundwater resources requires knowledge of the quantitative and qualitative status of aquifers. By determining the chemical quality of groundwater, an estimate of the health status of these water resources can be obtained and, depending...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 46.3 شماره 84
صفحات 101- 112
تاریخ انتشار 2016-11-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023