کارایی فرامدل‌های شبیه ساز بیان ژن و شبکه عصبی-فازی در مدلسازی هیدروگراف معرف آبخوان

نویسندگان

چکیده مقاله:

با توجه به کاهش نزولات جوی و خشکسالی سال‌های اخیر و در نتیجه کمبود آب در پهنه وسیعی از کشور و افزایش میزان تقاضا برای مصارف مختلف، مدیریت منابع آب‌های سطحی و زیرزمینی از اهمیت و حساسیت بسیار زیادی برخوردار است. آب‌های زیرزمینی در بسیاری از کشورها از جمله ایران، یکی از منابع اصلی تأمین آب برای مصارف شرب، صنعت و کشاورزی می‌باشد. استفاده از این منبع همواره به عنوان گزینه‌ای در کنار آب‌های سطحی مطرح بوده است، البته در بسیاری از کشورهای خشک جهان از جمله ایران اصلی‌ترین منبع تامین آب، ذخایر آب زیرزمینی است. اکثر مطالعات انجام شده مربوط به پیش‌بینی در زمینه آب‌های زیرزمینی مربوط به پیش‌بینی سطح ایستابی است و کمتر به هیدروگراف معرف آبخوان توجه شده است. لذا هدف از این مطالعه در ابتدا مدل سازی هیدروگراف معرف آبخوان با استفاده از فرا مدل شبیه ساز عصبی-فازی است و سپس مقایسه نتیجه با مدل سازی به روش فرا مدل شبیه ساز بیان ژن است که هردو مدل برای اولین بار در این مطالعه برای این هدف مورد استفاده قرار گرفته است و سوال اساسی این تحقیق این است، آیا مدل‌های بر مبنای عملکرد فازی، که در اکثر مطالعاتی که کمبود داده و اطلاعات داریم جواب نسبتا قابل قبولی می‌دهند، می‌توانند در این مطالعه موردی نیز عملکرد بهتری نسبت به فرامدل شبیه ساز بیان ژن، که در اکثر مطالعات اخیر عملکرد خوبی از خود نشان داده است، داشته باشد. محدوده مطالعاتی، دشت لور- اندیمشک، قسمتی از دشت دزفول-اندیمشک است. در منطقه‌ی دشت لور - اندیمشک، 8 حلقه پیزومتر که پراکنش نسبتاً خوبی در منطقه دارد، شبکه‌ی پیزومتری دشت را تشکیل می‌دهد. برای انجام این مطالعه با استفاده از مختصات جغرافیایی هرپیزومتر و اطلاعات آماری ماهانه مربوط به سطح 8 پیزومترآبخوان دشت لور-اندیمشک، برای 5 سال آبی (89-88 تا 93-92) و با استفاده از روش تسین در محیط GIS، میانگین وزنی هر پیزومتر بدست آمد و سری زمانی تراز آب زیرزمینی دشت که بیانگر هیدروگراف معرف آبخوان منطقه مورد مطالعه است، محاسبه گردید . سپس با استفاده از فرا مدل شبیه ساز عصبی-فازی و فرا مدل شبیه ساز بیان ژن هیدروگراف معرف آبخوان مدل سازی شد و نتایج با هم مقایسه گردید. با مقایسه فرامدل شبیه ساز عصبی- فازی و فرامدل شبیه ساز بیان ژن مشاهده می‌شود که در مرحله آموزش ضریب تبیین فرامدل شبیه ساز عصبی- فازی از ضریب تبیین فرامدل شبیه ساز بیان ژن بیشتر می‌باشد. ولی در مرحله تست ضریب تبیین فرامدل شبیه ساز بیان ژن از ضریب تبیین فرامدل شبیه ساز عصبی- فازی بیشتر می‌باشد. از طرفی با توجه به پارامتر جذر میانگین مربعات خطا، مشاهده می‌شود که فرامدل شبیه ساز عصبی- فازی دارای جذر میانگین مربعات خطای کمتری در مرحله تست بوده است. بر اساس معیار OI که هرچه مقادیر به یک نزدیک‌تر باشد مدل عملکرد بهتری دارد، مشاهده می‌شود که فرامدل شبیه ساز بیان ژن با اختلاف کمی دارای معیار OI بیشتری نسبت به فرامدل شبیه ساز عصبی-فازی بوده است و می‌توان با مشاهده مقادیر جدول به این نتیجه رسید که عملکرد فرا مدل شبیه‌ساز بیان ژن بهتر از فرامدل شبیه ساز عصبی-فازی است و در شرایط کمبود داده و اطلاعات برای مدل سازی هیدروگراف معرف آبخوان با استفاده از مدل‌های مفهومی همچون مادفلو، فرامدل شبیه ساز بیان ژن می‌تواند جایگزین مناسبی باشد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شبیه سازی و پیش بینی هیدروگراف معرف آبخوان دشت ایوانکی

مدل سازی آب زیرزمینی به عنوان یک ابزار مدیریتی در جهت فهم رفتار سیستم آبخوان تحت تنش های هیدرولوژیک متفاوت به طور وسیعی مورد استفاده قرار گرفته است. آبخوان آبرفتی ایوانکی با محدوده ی بیلان 126 کیلومتر مربع یکی از آبخوان های اصلی و مهم استان سمنان می باشد. برداشت بی رویه آب در سال های اخیر موجب افت تراز سطح آب زیرزمینی در این آبخوان شده است. در این تحقیق به منظور به دست آوردن پارامترهای هیدرولیک...

متن کامل

مدلسازی و شبیه سازی ریاضی و شبکه عصبی کاهش کاتالیستی انتخابی NOx در بستر کاتالیستی

با گسترش صنایع و افزایش مصرف انرژی در جهان، انتشار آلاینده اکسیدهای نیتروژن، NOx، که از احتراق سوخت‌های فسیلی در موتورهای درون‌سوز و صنایع تولید می‌شوند، با سرعت زیادی در حال افزایش است. بنابراین کنترل انتشار و حذف NOx از اهمیت بسیاری برخوردار است. در این مطالعه، مدلسازی و شبیه‌سازی کاهش کاتالیستی انتخابی NOx در یک بستر کاتالیستی در دو حالت پایا و دینامیک انجام گردید. نتایج حالت پایا نشان داد ک...

متن کامل

پیش‎بینی تغییرات سطح آبخوان زیرزمینی دشت یزد-اردکان با استفاده از مدل های شبکه عصبی و مدل تجزیه رگرسیون چندگانه خطی هیدروگراف آبخوان

در طول قرن‎های اخیر، منابع آب زیرزمینی به‎عنوان یکی از اصلی‎ترین منابع تامین‌کننده آب مورد نیاز جوامع انسانی به‎شمار می‎آیند. متاسفانه استحصال بی‎رویه آب از این منابع، در بسیاری از مناطق باعث سیر نزولی سطح آب شده است و ادامه این روند، موجب تهدید جدی برای اکوسیستم و جوامع انسانی موجود در منطقه می‎شود. دشت یزد-اردکان، یکی از کانون‎های بحرانی از نظر روند نزولی آب‎های زیرزمینی محسوب می‎شود. در تحقی...

متن کامل

ارزیابی عملکرد رگرسیون چندمتغیره، شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن در تخمین برخی خصوصیات خاک

چکیده سابقه و هدف: با ظهور سیستم‌های کامپیوتری در کنار سامانه‌ اطلاعات جغرافیایی و دسترسی به داده‌های رقومی مکانی، روش‌های مختلف داده‌کاوی، مدل‌سازی و تخمین خصوصیات خاک، جایگاه خود را در علوم خاک و پدومتری باز کرده است. داده‌کاوی خصوصیات خاک با استفاده از روش‌های آماری کامپیوتر- محور به کشف الگوهای پنهان در بانک اطلاعاتی داده‌ها می‌پردازد که در نهایت منجر به برازش مدل به منظور استفاده و تخمین خ...

متن کامل

ارزیابی دقت روش های شبکه عصبی مصنوعی و عصبی- فازی در شبیه سازی تابش کل خورشیدی

تابش خورشیدی از پارامترهای مهم اقلیمی است که با بسیاری از فرآیندهای هیدرولوژی و هواشناسی ارتباط مستقیم و تنگاتنگی دارد. این پارامتر از ارکان اساسی توسعه تحقیقات کاربردی انرژی خورشیدی به شمار می رود. مطالعه حاضر به منظور ارزیابی مدل های هوش مصنوعی در پیش بینی مقدار تابش کل خورشیدی رسیده به سطح افقی زمین، انجام گرفت. در این تحقیق شبکه عصبی مصنوعی (ann) و سیستم استنتاج تطبیقی عصبی- فازی (anfis) جه...

متن کامل

منابع 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 4

صفحات  49- 69

تاریخ انتشار 2018-10-23

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