خوشه بندی شبکه چاهک های مشاهده ای دشت مراغه و پیش بینی سطح آب زیرزمینی با کمک موجک-شبکه عصبی برای چاهک انتخابی هر خوشه

پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده کشاورزی زنجان
نویسنده سمانه نوری
استاد راهنما جعفر نیکبخت
سال انتشار 1393

چکیده

لازمه دستیابی به مدیریت جامع و پایدار منابع آب زیرزمینی، شناخت رفتار سیستم آب زیرزمینی و پیش بینی نوسانات سطح آن می باشد. در سال های اخیر به دلیل عدم وجود داده های کافی برای توسعه مدل های ریاضی آب های زیرزمینی، از سیستم های هوشمند به منظور شبیه سازی و پیش ّبینی نوسانات تراز آب آبخوان استفاده می شود. اما تعداد زیاد چاهک های مشاهده ای نصب شده در آبخوان باعث می شود تا تحلیل تمامی چاهک ها به صورت تک تک مشکل و وقت گیر گردد. بنابراین می توان با انجام خوشه بندی، چاهک های مشابه را در یک خوشه قرار داد. سپس رفتار چاهک مشاهده ای نماینده خوشه را مورد بررسی و آنالیز قرار داد. هدف از پژوهش حاضر خوشه بندی چاهک های مشاهده ای آبخوان دشت مراغه و پیش بینی تراز آب زیرزمینی به کمک موجک- شبکه عصبی بود.

منابع مشابه

تشخیص خودکار خوشه های میکروکلسیفیکاسیون به کمک تبدیل موجک و شبکه های عصبی

در این مقاله، یک سیستم CAD به منظور شناسایی و تشخیص خوشه های میکروکلسیفیکاسیون در تصاویر ماموگرافی معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، تبدیل موجک روی تصاویر ماموگرافی اعمال شده و دو ضریب موجک به همراه دو ویژگی آماری به عنوان ویژگی های متمایز کننده پیکسل ها از نظر تعلق به یک دانه میکروکلسیفیکاسیون استخراج می گردد. سپس با استفاده از یک شبکه عصبی، دسته بندی ...

متن کامل

خوشه‌بندی شبکه چاهک‌های مشاهده‌ای و پیش‌بینی سطح آب زیرزمینی به کمک شبکه‌های عصبی مصنوعی (مطالعه موردی: دشت مراغه)

هدف از پژوهش حاضر خوشه‌بندی چاهک‌های مشاهده‌ای آبخوان دشت مراغه (آذربایجان‌شرقی) و پیش‌بینی تراز آب زیرزمینی به‌کمک شبکه‌های عصبی مصنوعی بود. ابتدا با کمک روش خوشه‌بندی سلسله مراتبی-WARD 20 چاهک مشاهده‌ای محدوده دشت مراغه با طول دوره آماری بیش از 15 سال خوشه‌بندی شد. سپس یک خوشه با 3 زیرخوشه همگن انتخاب و نماینده هر زیرخوشه تعیین شد. با استفاده از شبکه‌های عصبی مصنوعی با ساختار پرسپترون چند لای...

متن کامل

کاربرد مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی

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 ...

متن کامل

تأثیر محل گره چاهک بر کارآیی شبکه های حسگر بی سیم با در نظر گرفتن مسیریابی خوشه بندی و نظریه نمونه برداری فشرده

شبکه حسگر بی‌سیم متشکل از تعداد زیادی گره‌های حسگر است که در یک محیط به‌طور گسترده پخش شده و به جمع‌آوری اطلاعات می‌پردازند. از جمله چالش‌های اساسی در این شبکه‌ها، کاهش تعداد ارسال‌ها و درنتیجه، افزایش طول عمر شبکه می‌باشد. یکی از ایده‌های مطرح به‌منظور افزایش طول عمر شبکه، مسئله کنترل موقعیت گره چاهک می‌باشد. محل این گره، نقش به‌سزایی در بهبود توازن بار شبکه ایفا می‌کند. اهمیت این موضوع تا حدی...

متن کامل

تأثیر محل گره چاهک بر کارآیی شبکه های حسگر بی سیم با در نظر گرفتن مسیریابی خوشه بندی و نظریه نمونه برداری فشرده

متن کامل

پیش 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 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 @}

نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده کشاورزی زنجان

کلمات کلیدی

شبکه‏ های عصبی مصنوعی

میزبانی شده توسط پلتفرم ابری doprax.com