مدلسازی عمق آب زیرزمینی دشت آباده با استفاده از سری های زمانی چند متغیره و شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده کشاورزی
- نویسنده راحیل محمدی زاده
- استاد راهنما شهرام کریمی گوغری محمد ذونعمت کرمانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
منابع آب زیرزمینی یکی از مهم ترین منابع آب به شمار می روند که شناخت صحیح و بهره برداری اصولی از آنها بخصوص در مناطق خشک و نیمه خشک می تواند در توسعه پایدار بسیاری از فعالیت های کشاورزی، اجتماعی و اقتصادی آن منطقه تأثیر بسزایی داشته باشد. برای آگاهی از وضعیت نوسانات سطح آب زیرزمینی در چنین مناطقی لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی انجام شود. با پیش بینی دقیق نوسانات سطح آب زیرزمینی می توان در برنامه ریزی های تأمین آب، مدیریت منابع آب و همچنین ارائه الگوهای توسعه پایدار بهره گرفت. در این تحقیق مدلسازی تغییرات سطح آب زیرزمینی دشت آباده با استفاده از سری های زمانی و شبکه های عصبی مصنوعی مورد مطالعه قرار گرفت. بدین ترتیب که ابتدا داده های لازم جهت مدلسازی شامل پارامترهای هواشناسی همانند دما، تبخیر و بارندگی به همراه اطلاعات سطح ایستابی چاه های مشاهده ای و میزان پمپاژ از چاه ها برای سال های آماری 1372 تا 1390 از سازمان آب منطقه ای استان فارس تهیه گردید. پس از استاندارد کردن داده ها، در سری های زمانی چند متغیره، داده ها به دو قسمت آموزش و آزمون و در شبکه های عصبی مصنوعی به سه قسمت آموزش، اعتبارسنجی و آزمون تقسیم شدند. سپس بهترین مدل سری زمانی arima-x و شبکه های عصبی مصنوعی برای هر چاه انتخاب شد. با توجه به نتایج بدست آمده مشخص گردید که شبکه های عصبی مصنوعی عملکرد بهتری در مقایسه با سری های زمانی چند متغیره (arima-x) برای مدلسازی عمق آب زیرزمینی را دارا می باشند همچنین در مواردی که مدلسازی توسط سری های زمانی چندمتغیره و شبکه های عصبی مصنوعی نتایج نزدیک به هم را ارائه می کنند، استفاده از سری های زمانی چندمتغیره بدلیل پیچیدگی کمتر و جعبه سیاه نبودن ترجیح داده می شود.
منابع مشابه
بررسی کیفیت آب زیرزمینی آبخوان دشت گناباد خراسان رضوی با استفاده از روش های آماری چند متغیره و هوش مصنوعی
با توجه به اهمیت مطالعه آبهای زیرزمینی در زمینه شرب، صنعت و کشاورزی، بررسی تغییرات کیفی آب میتواند برای بشر حائز اهمیت باشد. در این تحقیق دادههای هیدروشیمیایی اخذ شده از چاههای بهرهبرداری دشت گناباد که در جنوب استان خراسان رضوی واقع شده، طی یک دوره 5 ساله (از 85 تا 90) مورد مطالعه قرار گرفته است. روشهای گرافیکی و همچنین طبقهبندی کیفیت آب زیرزمینی نشان میدهد که تیپ آب دشت عمدتا سدیک- سول...
متن کاملپیشبینی تراز آب دریاچه ارومیه با استفاده از روشهای سری زمانی، شبکه عصبی مصنوعی و شبکه عصبی- موجکی
دریاچه ارومیه دومین دریاچه شور جهان است و با توجه به معیارهای اجتماعی- اقتصادی و زیست محیطی نقش مهمی در منطقه شمالغرب ایران دارد که در سالهای اخیر با مشکلاتی مواجه شده است و به دلیل خشکسالی، استفاده بیش از حد آبهای سطحی و ساخت سدها تراز سطح آب آن کاهش یافته است. یکی از فاکتورهای مهم که در مدیریت صحیح در هر زمینهای، تأثیر دارد، داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه...
متن کاملارزیابی تغییرات تراز و غلظت نیترات آب های زیرزمینی دشت کبودرآهنگ با استفاده از سری های زمانی
منابع آبهای زیرزمینی یکی از مهمترین و باارزشترین منابع آب به شمار میروند، شناخت صحیح و بهرهبرداری اصولی از آنها به خصوص در مناطق خشک و نیمهخشک میتواند در توسعه پایدار بسیاری از فعالیتهای کشاورزی، اجتماعی و اقتصادی آن منطقه تأثیر بسزایی داشته باشد. برای آگاهی از وضعیت نوسانات سطح و غلظت نیترات آب زیرزمینی در دشت کبودرآهنگ از مدلهای سری زمانی برای پیشبینی وضعیت سطح آبزیرزمینی در طی سا...
متن کاملبرآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی
زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...
متن کاملریزمقیاس کردن مکانی – زمانی سری های زمانی بارش با استفاده از مدل ترکیبی موجک – شبکه عصبی مصنوعی
با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک - شبکه عصبی مصنوعی (WANN)...
متن کاملپیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluct...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده کشاورزی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023