طراحی دو شبکه عصبی مصنوعی برای تعیین متغیرهای آبخوان محبوس نشتی
نویسندگان
چکیده مقاله:
در سالهای اخیر، شبکههای عصبی مصنوعی (Artificial Neural Networks - ANNs) بهعنوان جایگزین روشهای انطباق منحنیتیپ (Type curve matching techniques) برای تعیین متغیرهای آبخوان استفاده میشوند. در این پژوهش دو شبکه عصبی مصنوعی از نوع پرسپترون چندلایه (Multilayer Perceptron Network - MLPN) برای تعیین متغیرهای آبخوان محبوس نشتی (leaky confined aquifer) طراحی شده است. نشت آب به آبخوان یا از لایه نیمهتراوا و یا ازآب ذخیره شده در لایه نیمهتراوا منشأ میگیرد. توابع چاه (well functions) مربوط به آبخوانهای نشتی با این دو سازوکار نشت از لایه نیمهتراوا به این دو شبکه آموزش داده شده است. با اعمال روش تجزیه مؤلفه اصلی (Principal Component Analysis - PCA) بر مجموعه دادههای آموزش، توپولوژی هر دو شبکه کاهش و بازدهی آنها بهطور قابل ملاحظهای افزایش داده شد. بر خلاف شبکههای موجود، توپولوژی شبکههای طراحی شده به شمار دادههای افت- زمان آزمون پمپاژ وابسته نیست و ساختار آن به ترتیب با 2، 10 و 2 نورون در لایههای ورودی، پنهان و خروجی (2×10×2) ثابت است. شبکهها با دریافت دادههای آزمون پمپاژ، مختصات نقطه انطباق (match point coordinates) را تولید میکنند. مختصات نقطه انطباق با حلهای تحلیلی Hantush & Jacob (1955) و Hantush (1960) ترکیب میشود و مقادیر متغیرهای آبخوان به دست میآید. عملکرد دو شبکه با دادههای سه آزمون پمپاژ واقعی ارزیابی و دقت آنها با روشهای انطباق منحنی تیپ مقایسه شده است. شبکههای پیشنهادی به عنوان یک روش جایگزین دقیقتر نسبت به شبکه عصبی مصنوعی پیشین و انطباق منحنی تیپ برای محاسبه متغیرهای آبخوان نشتی توصیه میشود.
منابع مشابه
طراحی یک شبیه شبکه ی عصبی مصنوعی جهت تعیین فراسنجهای آبخوان آزاد
در این مقاله، یک شبکهی عصبی مصنوعی جهت تعیین فراسنجهای آبخوان آزاد (قابلیت انتقال آبخوان، ضریب ذخیره، آبدهی ویژه و شاخص تأخیر) طراحی گردیده است. تابع چاه مربوط به آبخوانهای آزاد با روش پس انتشار خطا و به کارگیری الگوریتم بهینه سازی لونبرگ-مارکوآرت به این شبکه آموزش داده شده است. با اعمال روش تحلیل مولفهی اصلی بر مجموعه داده های آموزش، ساختار شبکه با آرایش (3×6×3)، صرف نظر از تعداد داده های آز...
متن کاملطراحی شبکه عصبی مصنوعی برای مدلبندی پاسخهای دو متغیره آمیخته و کاربرد آن در دادههای پزشکی
Background & Objective: Mixed outcomes arise when, in a multivariate model, response variables measured on different scales such as binary and continuous. Artificial neural networks (ANN) can be used for modeling in situations where classic models have restricted application when some of their assumptions are not met. In this paper, we propose a method based on ANNs for modeling mixed binary a...
متن کاملطراحی یک شبیه شبکهی عصبی مصنوعی جهت تعیین فراسنجهای آبخوان آزاد
در این مقاله، یک شبکهی عصبی مصنوعی جهت تعیین فراسنجهای آبخوان آزاد (قابلیت انتقال آبخوان، ضریب ذخیره، آبدهی ویژه و شاخص تأخیر) طراحی گردیده است. تابع چاه مربوط به آبخوانهای آزاد با روش پس انتشار خطا و به کارگیری الگوریتم بهینه سازی لونبرگ-مارکوآرت به این شبکه آموزش داده شده است. با اعمال روش تحلیل مولفهی اصلی بر مجموعه دادههای آموزش، ساختار شبکه با آرایش (3×6×3)، صرف نظر از تعداد دادههای آ...
متن کاملارزیابی کارایی مدل شبکه عصبی مصنوعی برای ریزمقیاس نمایی و پیشبینی بلندمدت متغیرهای اقلیمی
Atmosphere–ocean coupled global climate models (GCMs) are the main source to simulate the climate of the earth climate. The computational grid of the GCMs is coarse and so, they are unable to provide reliable information for hydrological modelling. To eliminate such limitations, the downscaling methods are used. The present study is focused on simulating the impact of climate change on the beha...
متن کاملطراحی گرین فینوسیل بر اساس متامدلهای شبکه عصبی مصنوعی
Grain design is the most important part of solid rocket motor design. In this paper the goal is Finocyl grain design based on predetermined objective function with respect to Thrust history or Pressure history in order to satisfy various thrust performance requirements through an innovative design approach using Genetic algorithm optimization method. The classical sampling method is used for de...
متن کاملطراحی شبکه عصبی مصنوعی برای پیشبینی نتایج حاملگی در مادران باردار لوپوسی در ایران
Background: Pregnancy in women with systemic lupus erythematosus (SLE) is still introduced as a major challenge. Consulting before pregnancy in these patients is essential in order to estimating the risk of undesirable maternal and fetal outcomes by using appropriate information. The purpose of this study was to develop an artificial neural network for prediction of pregnancy outcomes including...
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 25 شماره 97
صفحات 375- 386
تاریخ انتشار 2016-12-01
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