مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,237
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

505
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی چند مدل هوش مصنوعی برای پیش بینی کیفیت آب زیرزمینی (مطالعه ی موردی: دشت گرو)

صفحات

 صفحه شروع 27 | صفحه پایان 42

چکیده

 مدل سازی مناسب کیفیت آب زیرزمینی از ابزارهای مهم برنامه ریزی و تصمیم گیری در مدیریت منابع آب است. در این مطالعه به منظور مدلسازی تغییرات متغیرهای کیفی آب زیرزمینی دشت گرو از داده های 14 چاه در دوره آماری (1388 تا 1395) استفاده شد. متغیرهایNa, Mg, Ca, SO4, Cl و HCO3به عنوان متغیر مستقل و EC, SAR, TDS و TH به عنوان متغیر وابسته در نظر گرفته شد. از روش های ماشین بردار پشتیبان, شبکه عصبی مصنوعی و شبکه عصبی-فازی تطبیقی برای مدل سازی متغیرهای کیفی آب زیرزمینی استفاده شد. به منظور تخمین کیفیت آب زیرزمینی کل داده ها به صورت تصادفی به دو دسته آموزشی (80 درصد کل داده ها) و آزمایشی (20 درصد کل داده ها) تقسیم شد. نتایج حاصل از مدل سازی متغیرهای کیفی آب زیرزمینی در دشت گرو نشان داد که شبکه عصبی-فازی تطبیقی در متغیرهای EC (99/0=R2, 13/109= RMSE و 99/0 =CE), SAR (98/0=R2, 28/0= RMSE و 98/0 =CE) و TH (99/0=R2, 49/0= RMSE و 99/0 =CE) نسبت به دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان عملکرد بهتری دارد و در متغیر TDS مدل شبکه عصبی مصنوعی (99/0=R2, 13/109= RMSE و 99/0 =CE) نسبت به دو مدل دیگر کارایی بهتری داشته است. به منظور پهنه بندی تغییرات کیفیت آب-زیرزمینی از مدل های انتخاب شده بر اساس دو طبقه بندی کیفیت آب شرب شولر و کشاورزی ویلکوکس استفاده گردید. نتایج حاصل از پهنه بندی براساس طبقه بندی آب شولر نشان داد که متغیر TDS داری سه طبقه نامناسب (1/21%), بد (59/74%) و غیرقابل شرب (31/4%) و متغیرTH دارای 4 طبقه خوب (85/0%), قابل قبول (48/23%), نامناسب (55/67%) و بد (12/8%) می باشد. نتایج پهنه بندی بر اساس طبقه بندی ویلکوکس نیز نشان داد که متغیر EC داری سه طبقه عالی (41/9%), خوب (79/89%) و متوسط (8/0%) و متغیر SAR دارای دو طبقه عالی (19%) و خوب (81%) می باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    دولت کردستانی، مجتبی، نوحه گر، احمد، و جانی زاده، سعید. (1396). ارزیابی چند مدل هوش مصنوعی برای پیش بینی کیفیت آب زیرزمینی (مطالعه ی موردی: دشت گرو). مهندسی اکوسیستم بیابان، 6(17 )، 27-42. SID. https://sid.ir/paper/254482/fa

    Vancouver: کپی

    دولت کردستانی مجتبی، نوحه گر احمد، جانی زاده سعید. ارزیابی چند مدل هوش مصنوعی برای پیش بینی کیفیت آب زیرزمینی (مطالعه ی موردی: دشت گرو). مهندسی اکوسیستم بیابان[Internet]. 1396؛6(17 ):27-42. Available from: https://sid.ir/paper/254482/fa

    IEEE: کپی

    مجتبی دولت کردستانی، احمد نوحه گر، و سعید جانی زاده، “ارزیابی چند مدل هوش مصنوعی برای پیش بینی کیفیت آب زیرزمینی (مطالعه ی موردی: دشت گرو)،” مهندسی اکوسیستم بیابان، vol. 6، no. 17 ، pp. 27–42، 1396، [Online]. Available: https://sid.ir/paper/254482/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button