در دهه‌های اخیر، بر اثر گرمایش فراگیر منتج از ساخته‌های انسان و در پی آن تغییر اقلیم، تعادل بوم‌سامانه‌های کره زمین به‌ هم‌ خورده است و مشکلات فراوانی را در سراسر جهان به وجود آورده است. برداشت غیرمجاز آب از سفره‌های آب زیرزمینی، به‌ویژه در مناطق خشک و نیمه‌خشک کشور در دهه‌های اخیر، همراه با روی‌داد خشکسالی‌های ماندگار این دهه به‌طور چشمگیری سطح آب زیرزمینی را کاسته است. در این پژوهش، برای بررس...

پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. برای انجام این پیش­بینی، از روش­های متعددی مانند روش­های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می­توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیش­بینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه rbf پایه می­شود. بدین من...

چکیده ندارد.

پایش کمّی آب زیرزمینی، با هدف بررسی و تعیین عوامل مؤثر در رفتار آبخوآن‌ها نقش به سزایی در مدیریت آب زیرزمینی هر منطقه دارد. بنابراین برای مطالعه تغییرات زمانی و مکانی سطح آب زیرزمینی، شبکه پایش کمّی آب زیرزمینی مورد نیاز است. این مطالعه در نظر دارد تا به منظور پایش کمی آبخوان دشت بیرجند و تعیین نقاط بهینه پیزومترها یک روش جدید تحت عنوان Gray wolf and Neural network Monitoring (GNM) را پیشنهاد دهد...

آب زیرزمینی به خصوص در مناطق خشک و نیمه­خشک یکی از مهم­ترین منابع تامین­کننده آب شرب به حساب می­آید. برخلاف تصور عمومی در این مناطق، منابع آبی بیش­تر از نظر کیفیت با مشکل روبرو است تا کمیت، بنابراین پایش روند کیفیت آب و شناسایی منابع آلوده کننده آن، همواره به عنوان یکی از دغدغه­های اصلی پژوهش­گران این نواحی به شمار می­رود. در این پژوهش به منظور شناسایی نواحی آلوده­کننده آب زیرزمینی، اقدام به شن...

آب های زیرزمینی همواره به عنوان یکی از منابع مهم و عمده تامین آب شرب و کشاورزی مطرح بوده است. مدل های قابل اطمینان جهت پیش بینی سطح آب زیرزمینی می توانند در مدیریت بهینه استفاده از منابع محدود آب زیرزمینی کمک شایانی نمایند. در این پژوهش توانایی شبکه عصبی مصنوعی و موجک و زمین آمار برای پیش بینی یک ماه آینده تراز آب زیرزمینی در نقاط مشخصی از دشت مشهد مورد ارزیابی قرار گرفته اند. دادههای مورد استف...

آب های زیرزمینی همواره به عنوان یکی از منابع مهم و عمده تامین آب شرب و کشاورزی مطرح بوده است. مدل های قابل اطمینان جهت پیش بینی سطح آب زیرزمینی می توانند در مدیریت بهینه استفاده از منابع محدود آب زیرزمینی کمک شایانی نمایند. در این پژوهش توانایی شبکه عصبی مصنوعی و موجک و زمین آمار برای پیش بینی یک ماه آینده تراز آب زیرزمینی در نقاط مشخصی از دشت مشهد مورد ارزیابی قرار گرفته اند. داده های مورد است...

سفره ‏های آب زیرزمینی غالباً به عنوان سیستم ‏هایی با ویژگی ‏های غیرایستا و غیرخطی شناخته می ‏شوند. مدل‏ سازی این سیستم ‏ها و پیش ‏بینی حالت ‏های آینده آن ‏ها نیازمند تشخیص این ویژگی‏ های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی‏ های اشاره‏ شده، به طور گسترده ‏ای در زمینه پیش ‏بینی سری‏ های زمانی هیدرولوژیکی مورد استفاده قرار گرفته ‏است. در این مقاله توانایی مدل ترکیبی ...

در این پایان نامه، یک ساختار جدید برای تشخیص رخ دادن نشت و تخمین محل های محتمل نشت از مدفن های زباله به آب های زیرزمینی ارائه شده است. در روش پیشنهادی، پس از تعیین متغیر کیفی شاخص در آب زیرزمینی، محل چاه های پایش پتانسیل در محدوده مدفن زباله تعیین و محل های محتمل نشت نیز مشخص می شوند. در این پایان نامه، برخی عدم قطعیت های موجود در متغیر های ورودی مدل به کمک تئوری مجموعه های فازی در نظر گرفته می...

از مهم ترین ابزارهای برنامه ریزی برداشت از سفره های آب زیرزمینی و انجام پروژه های عمرانی، آگاهی از سطح ایستابی نقاط مختلف منطقه و دسترسی به نقشه ی خطوط هم تراز آن است. عموماً سطح ایستابی به وسیله ی چاه های پیزومتریک در منطقه و استفاده از روش های مختلف تخمین به دست می آید. محدودیت این روش ها ناتوانی در تخمین سطح ایستابی منطقه در روزهای مختلف سال است. در این پژوهش به وسیله ی شبکه عصبی و وارد کردن ...