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:

580
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

208
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی تغییرات سطح آب زیرزمینی بر اساس روش های مبتنی بر هوش مصنوعی (مطالعه موردی: دشت زاوه تربت حیدریه)

صفحات

 صفحه شروع 223 | صفحه پایان 235

چکیده

 منابع آب زیرزمینی یکی از مهمترین منابع آبی هر کشور می باشد که شناخت صحیح و بهره برداری اصولی از آن می تواند در توسعه پایدار فعالیت های اجتماعی و اقتصادی یک منطقه بویژه در مناطق خشک و نیمه خشک نقش بسزایی داشته باشد. پیش بینی نوسان های سطح آب زیرزمینی برای مدیریت آب, امر ضروری می باشد. منطقه مورد مطالعه با گستره ای حدود 2504 کیلومترمربع در شمال کویر نمک, در جنوب شهر مشهد واقع است. هدف از این پژوهش, مدل سازی تغییرات سطح آب زیرزمینی دشت زاوه-تربت حیدریه با استفاده از شبکه های عصبی پرسپترون چندلایه با الگوریتم پس انتشار خطا و شبکه عصبی LVQ می باشد. به همین منظور جهت آموزش مدل, از اطلاعات 18 پیزومتر که دارای آمار 20 ساله (1395-1375) بودند, مستخرج و توسط محقیقن این پژوهش از سازمان آب منطقه ای استان خراسان رضوی جمع آوری شدند و پس از پیش پردازش, در این مطالعه مورد استفاده قرار گرفت. هریک از پیزومترها با تاخیر زمانیt0-1 (ماه قبل) به صورت ماهانه ثبت شده و در هر پیزومتر, هفت پارامتر, ورودی های سیستم را تشکیل می دهند. جهت ارزیابی خطای سیستم از روش حداقل مربعات خطا (RMSE) محاسبه شده است. مقدار تراز آب زیرزمینی نیز تنها خروجی این شبکه عصبی را شامل می شود. براین اساس نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی با الگوریتم های آموزشی آموزشی Gradient Descent, Gradient Descent with Momentum, Levenberg Marquardt قادر به پیش بینی سطح آب زیرزمینی به صورت ماهانه بادقت (RMSE=0/0012 (R2=0/9810, در مرحله آموزش و با دقت (RMSE=0/021 R2 = 0/9622, ) در مرحله آزمون در محدوده مورد مطالعه است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    حسینی صومعه، مرجان، روشنی، علیرضا، و ذباح، ایمان. (1399). مدل سازی تغییرات سطح آب زیرزمینی بر اساس روش های مبتنی بر هوش مصنوعی (مطالعه موردی: دشت زاوه تربت حیدریه). پژوهشنامه مدیریت حوزه آبخیز، 11(21 )، 223-235. SID. https://sid.ir/paper/371243/fa

    Vancouver: کپی

    حسینی صومعه مرجان، روشنی علیرضا، ذباح ایمان. مدل سازی تغییرات سطح آب زیرزمینی بر اساس روش های مبتنی بر هوش مصنوعی (مطالعه موردی: دشت زاوه تربت حیدریه). پژوهشنامه مدیریت حوزه آبخیز[Internet]. 1399؛11(21 ):223-235. Available from: https://sid.ir/paper/371243/fa

    IEEE: کپی

    مرجان حسینی صومعه، علیرضا روشنی، و ایمان ذباح، “مدل سازی تغییرات سطح آب زیرزمینی بر اساس روش های مبتنی بر هوش مصنوعی (مطالعه موردی: دشت زاوه تربت حیدریه)،” پژوهشنامه مدیریت حوزه آبخیز، vol. 11، no. 21 ، pp. 223–235، 1399، [Online]. Available: https://sid.ir/paper/371243/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