سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه مدل رگرسیون فازی امکانی و رگرسیون کمترین مربعات فازی در پیشبینی تراز سطح ایستابی آبخوان دشت نیشابور

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 413

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JISE-43-1_010

تاریخ نمایه سازی: 7 اردیبهشت 1400

چکیده مقاله مقایسه مدل رگرسیون فازی امکانی و رگرسیون کمترین مربعات فازی در پیشبینی تراز سطح ایستابی آبخوان دشت نیشابور

آبهای زیرزمینی به­عنوان مهمترین منبع تولید آب شیرین دشت نیشابور، با کسری مخزنی حدود ۲۰۰ میلیون مترمکعب مواجه است. ازاینرو در پژوهش حاضر کارایی روش­های رگرسیون فازی امکانی و رگرسیون کمترین مربعات فازی در پیشبینی تراز سطح ایستابی آبخوان دشت نیشابور بررسی گردید. با استفاده از اطلاعات ۵۷ چاه مشاهده­ای از سال ۱۳۵۷ تا ۱۳۸۷ و اعمال پارامترهای بارش، تراز سطح ایستابی و تخلیه با تاخیر زمانی یک و دوماهه بهعنوان ورودی، مدل­ها مورد آزمون قرار گرفت، نتایج نشان داد به دلیلوجود نوساناتسطحآبدرماههایمختلف،  بیشترین ضریب تبیین و کمترین مقادیر آماره­های میانگین مطلق خطا و جذر مربعات خطا برای هر دو مدل در ماه­های بهار و بالاترین دقت در ماه خرداد با R۲ و RMSEبه­ترتیب ۹۳/۰ و ۰۵/۶ برای مدل رگرسیون امکانی فازی بود. بر اساس شاخص­های اعتبارسنجی، مدل رگرسیون امکانی فازی بهمراتب نتایج دقیقتری در برآورد تراز سطح ایستابی آبخوان نیشابور نشان داد.

کلیدواژه های مقایسه مدل رگرسیون فازی امکانی و رگرسیون کمترین مربعات فازی در پیشبینی تراز سطح ایستابی آبخوان دشت نیشابور:

آب زیرزمینی ، پیزومتر ، مدل های داده محور ، اعتبارسنجی

نویسندگان مقاله مقایسه مدل رگرسیون فازی امکانی و رگرسیون کمترین مربعات فازی در پیشبینی تراز سطح ایستابی آبخوان دشت نیشابور

سپیده زراعتی نیشابوری

دانشآموخته کارشناسی ارشد مهندسی منابع آب، دانشکده کشاورزی، دانشگاه بیرجند.

محسن پوررضا بیلندی

دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند.

عباس خاشعی سیوکی

دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند.

علی شهیدی

دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
1-    Anonymous., 2009. Management Studies for Water Resources Reconciliation in ...
2-    Arabpour, A.S., 2014. Fuzzy Linear Regression and Effect of ...
3-    Bardossy, A., Bogardi, I. and Duckstein, L., 1990. Fuzzy ...
4-    Chang, Y.H.O. and Ayyub, B.M., 2001. Fuzzy regression methods–a ...
5-     Daliakopoulos, I.N., Coulibaly, P. and Tsanis, I.K., 2005. Groundwater ...
6-    Dastourani, M.T., Sharifi Darani, H., Talebi, A. and Moghaddamnia, ...
7-    Dillip, K.G., Sudhansu, S.P. and Prakash, C.S.  2010. Prediction ...
8-    Farahi, G., Kodashenas, S. and Alizadeh, A., 2011. Estimation ...
9-    Fathi, F. and Zibaei, m., 2010. Water management in ...
10- Hellegers, P., 2002. Treating water in irrigated agriculture as ...
11-  Heshmaty, B. and Kandel, A., 1985. Fuzzy linear regression ...
12- Hosseini, A., Farajzadeh, M. and velayati, S., 2005. Analysis ...
13- Izadi, A., Davari, K., Alizadeh, A. and Ghahreman, B., ...
14-  Jusseret, S., Tam, V.T. and Dassargues, A., 2009. Groundwater ...
15- Khashei-Siuki. A.,  Ghahraman, B. and Kouchakzadeh, M., 2013. Comparison ...
16- Koorehpazan Dezfouli, A., 2014. The Principles of Fuzzy sets ...
17- Kurduvani, p., 1995. Geohydrology. Tehran University Press, Tehran University ...
18-  Kurtulus, B. and Razack, M., 2010. Modeling daily discharge ...
19- Lai, Y.J. and Chang, S.I., 1994. A fuzzy approach ...
20-  Larroque, F., Treichel, W. and Dupuy, A., 2008. Use ...
21- Lashkaripour, G.H., Ghafouri, M., Kazemi Golian, R. and Damshenas, ...
22-  Lohani, A.K. and Krishan, G., 2015. Application of artificial ...
23- Parviz, L., Kholghi, M. and Fakhorifard, A., 2010. Forecasting ...
24-  Reghunath, R., Murthy, T.S. and Raghavan, B.R., 2005. Time ...
25- Sadatinezhad, S.J., Hasanshahi, R., Shayanfar, M. and Abdollahi, K.H., ...
26-  Savic, D.A. and Pedrycz, W., 1991. Evaluation of fuzzy ...
27- Shizeradi, S. and Saboisaboni, M., 2014. Investigating the stability ...
28- Soltani, F., 2006. Comparison of Application of Neuro-Fuzzy Adaptive ...
29-  Sun, Y., Wendi, D., Kim, D.E. and Liong, S.Y., ...
30- Tanaka, H. and Uejima, S., 1982. Linear regression analysis ...
31- Velayati, S., 2000. The most important factors affecting the ...
32-  Wang, H.F. and Tsaur, R.C., 2000. Insight of a ...
33- Yan, Q. and Ma, C., 2016. Application of integrated ...
34-  Yen, K.K., Ghoshray, S. and Roig, G., 1999. A ...
35- Zhang, N., Xiao, C., Liu, B. and Liang, X., ...
36- Zhou, Y. and Li, W., 2011. A review of ...
نمایش کامل مراجع