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:

994
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

628
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

برآورد هدایت هیدرولیکی با استفاده از روش SCMAI، مطالعه موردی: آبخوان دشت مراغه- بناب (آذربایجان شرقی)

صفحات

 صفحه شروع 183 | صفحه پایان 192

چکیده

 امروزه آب زیرزمینی یکی از منابع اصلی آب آشامیدنی و کشاورزی و دیگر مصارف مختلف برای جوامع بشری است. با افزایش جمعیت و توسعه یافتگی جوامع, تقاضا برای این منبع طبیعی مهم و حیاتی و استراتژیک افزایش یافته است. این افزایش با کاهش منابع آبی با صدمه بر محیط آبخوانها همراه بوده است. بر این اساس برای رویارویی با بحران کم آبی و جلوگیری از تخریب آبخوان ها, مدیریت آنها و در پی آن شناخت دقیق متغیرهای هیدروژئولوژیکی به شدت احساس می شود. یکی از مهم ترین این متغیرها, هدایت هیدرولیکی است. با وجود اینکه, سامانه آب زیرزمینی یک سامانه پیچیده است و برآورد متغیرهای هیدروژئولوژیکی که معمولا با روش های کلاسیک مانند روش های آزمایشگاهی, اسلاگ تست, آزمایش ردیابی و آزمون های پمپاز انجام می گیرد, با عدم قطعیت ذاتی همراه بوده و پر هزینه و وقت گیر است. بنابراین, استفاده از روش های هوش مصنوعی برای برآورد هدایت هیدرولیکی, می تواند از عدم قطعیت این متغیر کم کند و تا حدودی بر دقت آن بیافزاید, تا بتواند بر نواقص موجود در روش های کلاسیک چیره شود. در این پژوهش چهار روش هوش مصنوعی, روش سامانه استنتاج فازی ممدانی, سامانه استنتاج فازی ساجنو, شبکه عصبی موجکی, و ماشین بردار پشتیبان کمینه مربعات به عنوان مدل های منفرد برای برآورد هدایت هیدرولیکی آبخوان مراغه بناب با استفاده از داده های ژئوفیزیکی سطحی در منطقه به کار گرفته شد. با توجه به اینکه هر کدام از مدل ها بر پایه ویژگی های ذاتی خود در بخشی از این محدوده نتایج خوبی ارائه دادند. بنابراین برای استفاده همزمان از کارایی همه این مدل ها روش ترکیب غیرخطی با عنوان مدل هوش مصنوعی مرکب نظارت شده (SCMAI) برای برآورد هدایت هیدرولیکی در دشت مراغه-بناب استفاده و نتایج آن با استفاده از معیارهای ارزیابی مختلف نشان داده شد. مدل SCMAI با استفاده از 15 داده مورد آزمایش قرار گرفت. مقادیر RMSE و R2به ترتیب برابر0.045 و 0.97 به دست آمد. با مقایسه این مقادیر با مقادیر محاسبه شده برای مدل های منفرد یاد شده, دیده شد که مدل SCMAI با داشتن RMSE کمتر و R2 بهتر از مدل های هوش مصنوعی منفرد است. این نتایج بیان می دارد که مدل SCMAI کارآیی بالایی در برآورد مقادیر هدایت هیدرولیکی در آبخوان آزاد و هتروژن دشت مراغه- بناب نشان می دهد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    یوسف زاده، سعید، و ندیری، عطااله. (1396). برآورد هدایت هیدرولیکی با استفاده از روش SCMAI, مطالعه موردی: آبخوان دشت مراغه- بناب (آذربایجان شرقی). علوم زمین، 27(105 )، 183-192. SID. https://sid.ir/paper/32262/fa

    Vancouver: کپی

    یوسف زاده سعید، ندیری عطااله. برآورد هدایت هیدرولیکی با استفاده از روش SCMAI, مطالعه موردی: آبخوان دشت مراغه- بناب (آذربایجان شرقی). علوم زمین[Internet]. 1396؛27(105 ):183-192. Available from: https://sid.ir/paper/32262/fa

    IEEE: کپی

    سعید یوسف زاده، و عطااله ندیری، “برآورد هدایت هیدرولیکی با استفاده از روش SCMAI, مطالعه موردی: آبخوان دشت مراغه- بناب (آذربایجان شرقی)،” علوم زمین، vol. 27، no. 105 ، pp. 183–192، 1396، [Online]. Available: https://sid.ir/paper/32262/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