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

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

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

sound

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

نسخه انگلیسی

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

بازدید:

1,718
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

787
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بهینه سازی مدل دراستیک با استفاده از هوش مصنوعی جهت ارزیابی آسیب پذیری آب زیرزمینی در دشت مراغه- بناب

صفحات

 صفحه شروع 169 | صفحه پایان 176

چکیده

 ارزیابی آسیب پذیری آبخوان به منظور تعیین مناطق دارای پتانسیل آلودگی برای مدیریت منابع آب زیرزمینی از اهمیت بالایی برخوردار است. در این تحقیق, با استفاده از مدل دراستیک ارزیابی آسیب پذیری آب زیرزمینی در آبخوان دشت مراغه- بناب برآورد شده است. در مدل دراستیک از پارامترهای موثر در ارزیابی آسیب پذیری سفره آب زیرزمینی شامل ژرفای سطح ایستابی, تغذیه, جنس سفره, نوع خاک, شیب توپوگرافی, مواد تشکیل دهنده منطقه غیراشباع و هدایت هیدرولیکی استفاده می شود که به صورت 7 لایه در محیط GIS تهیه شدند و با وزن دهی و رتبه بندی و تلفیق 7 لایه یاد شده, نقشه نهایی آسیب پذیری آبخوان نسبت به آلودگی, با تقسیم بندی به 3 محدوده آسیب پذیری کم, متوسط و زیاد تهیه و شاخص دراستیک برای کل منطقه بین 81 تا 116 برآورد شد. برای صحت سنجی مدل از داده های غلظت نیترات در منطقه استفاده شد که نتایج همبستگی نسبی با ضریب همبستگی 0.81 را برای مدل دراستیک نشان داد. به منظور بهبود نتایج مدل, از 4 روش هوش مصنوعی شامل شبکه عصبی مصنوعی, مدل فازی ساجنو و ممدانی, و مدل نروفازی استفاده شد. به این منظور داده های ورودی (پارامترهای دراستیک) و خروجی (آسیب پذیری) مدل و مقادیر نیترات مربوطه به 2 دسته آموزش و آزمایش تقسیم شد. خروجی مربوط به مرحله آموزش با مقادیر نیترات مربوطه تصحیح شد و پس از آموزش مدل, با استفاده از مقادیر نیترات نتایج مدل ها در مرحله آزمایش مورد ارزیابی قرار گرفت. نتایج نشان داد که تمام مدل های هوش مصنوعی به کار گرفته شده, قابلیت بهبود نتایج مدل دراستیک اولیه را دارند, اما در این بین, مدل نروفازی بهترین نتایج را دربرداشت و به عنوان مدل نهایی برگزیده شد. به طوری که در مرحله آزمایش, تمام چاه های حاوی آلودگی نیترات بالا در دسته آسیب پذیری بالا قرار گرفتند. بر اساس مدل نهایی, نواحی باختری منطقه دارای بیشترین میزان پتانسیل آلودگی هستند. همچنین, نتایج نشان داد که مدل های هوش مصنوعی می تواند به عنوان روشی کارا جهت بهینه سازی مدل دراستیک عمل کند و نتایج دقیق تری از برآورد پتانسیل آلودگی در منطقه مورد مطالعه را در پی داشته باشد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    اصغری مقدم، اصغر، فیجانی، الهام، و ندیری، عطااله. (1393). بهینه سازی مدل دراستیک با استفاده از هوش مصنوعی جهت ارزیابی آسیب پذیری آب زیرزمینی در دشت مراغه- بناب. علوم زمین، 24(94 (زمین شناسی مهندسی و محیط زیست))، 169-176. SID. https://sid.ir/paper/32601/fa

    Vancouver: کپی

    اصغری مقدم اصغر، فیجانی الهام، ندیری عطااله. بهینه سازی مدل دراستیک با استفاده از هوش مصنوعی جهت ارزیابی آسیب پذیری آب زیرزمینی در دشت مراغه- بناب. علوم زمین[Internet]. 1393؛24(94 (زمین شناسی مهندسی و محیط زیست)):169-176. Available from: https://sid.ir/paper/32601/fa

    IEEE: کپی

    اصغر اصغری مقدم، الهام فیجانی، و عطااله ندیری، “بهینه سازی مدل دراستیک با استفاده از هوش مصنوعی جهت ارزیابی آسیب پذیری آب زیرزمینی در دشت مراغه- بناب،” علوم زمین، vol. 24، no. 94 (زمین شناسی مهندسی و محیط زیست)، pp. 169–176، 1393، [Online]. Available: https://sid.ir/paper/32601/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا