شبیه سازی روند نوسانات سطح ایستایی با استفاده از مدل عدد MODFLOW و مدل شبکه عصبی مصنوعی
- سال انتشار: 1398
- محل انتشار: هشتمین همایش ملی سامانه های سطوح آبگیر باران
- کد COI اختصاصی: RWCS08_086
- زبان مقاله: فارسی
- تعداد مشاهده: 605
نویسندگان
کارشناس ارشد عمران سازه های هیدرولیکی
دانشجوی کارشناسی ارشد عمران مدیریت منابع آب دانشگاه آزاد اسلامی واحد رودهن
چکیده
به منظور مدیریت بهینه منابع آب زیرزمینی، برآورد قابل قبولی ورودی ها و خروجی ها در هر حوضه آب زیرزمینی ضروری است. در این پژوهش به مقایسه عملکرد مدل هوشمند شبکه عصبی مصنوعی و مدل عددی MODFLOW برای پیش بینی نوسانات تراز سطح ایستایی پرداخته خواهد شد. وضعیت اب زیرزمینی در دشت قزوین به دلیل برداشت های بی رویه رو به بحرانی شدن است هدف از این مطالعه، بررسی نوسانات سطح ایستایی آبخوان مورد مطالعه پس از شبیه سازی آن با مدل MODFLOW و مقایسه نتایج آن با مدل شبکه عصبی مصنوعی است تا بدین طریق بتوان مدل برتر را در شبیه سازی رفتار واقعی نوسانات تراز سطح ایستایی در یک دوره آماری دراز مدت، تعیین نمود. در مدل عددی پس از واسنجی هدایت هیدرولیکی و ابدهی ویژه در دو حالت ماندگار و غیر ماندگار، صحت سنجی مدل برای مدت زمان یکسال انجام گرفت و با توجه به دقت مناسب نتایج، پیش بینی مدل برای یک دوره ی یکساله انجام گرفت. همچنین باتعریف 5 دسته پارامترهای ورودی مختلف به شبکه عصبی مصنوعی، متغیرهای بارش، دما، سطح آب زیرزمینی در یک گام قبل، تغذیه و تخلیه آبخوان به عنوان پارامترهای پیش بینی کننده انتخاب و با استفاده از شبکه انتشار برگشتی متقابل شبیه سازی و پیش بینی آب زیرزمینی انجام گرفت. نتایج شبیه سازی سطح آب زیرزمینی با استفاده از شبکه عصبی مصنوعی حاکی از بالا بودن میزان ضریب تبیین در مرحله آموزش و تست بود. تحلیل سطح اب زیرزمینی با استفاده از مدل MODFLOW نیز پس از صحت سنجی مدل برای مدت یکسال انجام گرفت. نتایج استخراجی برای چاه های مشاهده ای مختلف در سطح آبخوان قزوین حاکی از دقت مناسب پیش بینی سطح اب زیرزمینی بود. به منظور مقایسه نتایج دو روش شبکه عصبی مصنوعی و مدل عددی MODFLOW از هیدروگراف واحد ابخوان استفاده گردید. تحلیل سری زمانی هیدروگراف آبخوان نشان داد که میزان همبستگی بین داده های مشاهداتی و شبکه عصبی مصنوعی 0/62 و مقدار همبستگی 0/86 با روش MODFLOW است. بطور کلی نتایج این تحقیق نشان داد که مدل عددی MODFLOW با توجه به در نظرگیری خصوصیات هیدرولوژیک آبخوان نتایج مناسب تری را جهت پیش بینی سطح آب زیرزمینی نسبت به روش شبکه عصبی مصنوعی ارائه می دهد.کلیدواژه ها
شبکه عصبی مصنوعی، مدل عددی MODFLOW، سطح ایستایی، آبخوان دشت قزوینمقالات مرتبط جدید
- نقش حیاتی عایق های سفید اکریلیک در حفاظت از گیاهان در برابر تغییرات اقلیمی
- بررسی اثر سیستم مدیریت ساختمان در مصرف انرژی ساختمان های اداری در شهر تبریز
- اکولوژی شهری و توسعه پایدار: چشم اندازی به شهرهای سبز آینده
- Designing a Residential Tower Influenced by Biophilic Architecture to Enhance Mental Health and Quality of Life for Residents in Iran and the Metropolis of Tehran (Case Study: District ۲۲)
- Toward Smart Urban Transportation and Crisis Management: A Literature Review and Delphi-Based Prioritization Framework
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.