پیشبینی سطح آب زیرزمینی دشت بستانآباد با استفاده از ترکیب نظارت شده مدلهای هوش مصنوعی
نویسندگان
چکیده مقاله:
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 ناهمگنی آبخوان، قبل از مدلسازی صورت پذیرفت. پارامترهای بارش، تبخیر، دبی خروجی رودخانه اوجان و سطح آبزیرزمینی در یک زمان قبل به عنوان ورودی مدلها مورد استفاده قرار گرفت. با وجود نتایج قابلقبول هر سه مدل بر اساس متوسط RMSE هر دسته در مراحل آموزش و آزمایش، جهت استفاده از کارایی هر سه مدل و دستیابی به نتیجه بهتر، از روش ترکیبی مدلهای هوش مصنوعی با استفاده از یک شبکهعصبی مصنوعی به عنوان ترکیبکننده غیرخطی استفاده گردید. نتایج نشانگر کاهش متوسط خطای هر دسته در مدل هوشمصنوعیمرکب نسبت به مدلهای منفرد به مقدار میانگین 17% در مقادیر RMSE میباشد. با استفاده از نتایج مدل هوش مصنوعی مرکب، تأثیر کاهش 30 و 50 درصدی تخلیه از چاههای بهرهبرداری بر روی سطح آب زیرزمینی مورد بررسی قرار گرفت. نتایج نشانگر بالا رفتن قابلتوجه سطح آب در همه پیزومترها به جز پیزومتر آغچه کهل می باشد. این موضوع نشان دهنده تأثیر بالای مقادیر پمپاژ نسبت به تغییرات آب و هوایی در تغییرات سطح آب زیرزمینی منطقه مطالعاتی می باشد.
منابع مشابه
استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیشبینی 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 کاملشبیه سازی سطح ایستابی آب زیرزمینی دشت سرخس با ترکیب روشهای هوش مصنوعی و زمینآمار
سابقه و هدف: شبیه سازی جریان زیرزمینی بهمنظور پیشبینی سطح ایستابی، در مطالعات هیدروژئولوژی و مدیریتی، احداث سازهها، مصارف کشاورزی و دسترسی به آبهای زیرزمینی با کیفیت بالا از اهمیت بسزایی برخوردار است. در دهههای اخیر به سبب پیچیدگی و ویژگیهای غیر خطی سیستمهای آب زیرزمینی، مدلهای هوش مصنوعی برای شبیهسازی آبخوانها مورد آزمایش قرار گرفتهاند. هدف این مطالعه مقایسه مدلهای شبکه عصبی مصنو...
متن کاملاستفاده 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 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 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 کاملاستفاده از روشهای نوین هوش مصنوعی در بررسی کیفیت منابع آب زیرزمینی (مطالعه موردی: دشت سلماس)
با توجه به تمام پیشرفتهای صورت گرفته در مدیریت منابع آب، معضل بررسی کیفیت آبهای زیرزمینی اصلیترین مشکلی است که در اکثر دشتهای ایران مشاهده میشود. لذا مدیریت و پایش کیفیت منابع آب از اهمیت بالایی برخوردار است. در این تحقیق سعی شد با بهکارگیری دو مدل RBF و GFF شبکه عصبی مصنوعی به پ...
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 13 شماره 3
صفحات 43- 55
تاریخ انتشار 2017-11-22
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