ارزیابی ترکیب ANFIS با تبدیل موجک برای مدل سازی و پیش بینی سطح آب زیرزمینی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 209

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWMR-9-18_006

تاریخ نمایه سازی: 4 مهر 1400

چکیده مقاله:

یکی از فاکتورهای مهم در مدیریت صحیح در هر زمین ه­ای داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه است. در مدیریت منابع آب  و محیط زیست این امر مستثنی نبوده و آگاهی از وضعیت منابع آب در یک منطقه نقش تعیین­کننده­ای در برنامه­ ریزی­ های آبی و کشاورزی آن دارد. در این تحقیق از مدل سیستم استنتاج فازی عصبی تطبیقی (ANFIS) برای پیش­بینی ماهانه سطح آب زیرزمینی حوضه دالکی در استان بوشهر در یک دوره ۱۲ ساله (۱۳۹۲-۱۳۸۱) استفاده شد. به منظور بهبود نتایج این مدل، از تبدیل موجک استفاده شد و سیگنال اصلی به زیرسیگنال­ هایی تجزیه شد و به عنوان ورودی به مدل ANFIS وارد شد تا مدل ترکیبی سیستم استنتاج فازی عصبی تطبیقی-موجک (WANFIS) حاصل گردید. برای پیش­بینی سطح آب زیرزمینی از ۵ چاه مشاهده ­ای با متغیرهای رقوم سطح آب زیرزمینی، بارش، تبخیر و دما استفاده شد. نتایج بیانگر این بود که مدل ترکیبی  WANFISدارای عملکرد بهتری از مدل  ANFISبوده است. همچنین مشاهده شد که مدل ترکیبی در برآورد نقاط حدی عملکرد بهتری داشته است. به­طورکلی این شیوه استفاده از نظریه موجک باعث افزایش عملکرد تا ۱۴ درصد شده است. در پایان سطح آب زیرزمینی برای یک سال آتی با مدل برتر برآورد گردید. نتایج حاصل از پیش­بینی سطح آب زیرزمینی حاکی از افزایش عمق دسترسی به آب زیرزمینی در منطقه دالکی داشته است و این مسئله با توجه به اثراتی که بر روی منابع آب و محیط زیست منطقه دارد به عنوان یک هشدار برای مسئولین منطقه مطرح می­باشد.  

کلیدواژه ها:

نویسندگان

علی اسکندری

Islamic Azad University of Bushehr

فرشاد فرامرزیان یاسوج

Shahid Chamran University of Ahvaz

اباذر سلگی

Shahid Chamran University of Ahvaz

حیدر زارعی

Shahid Chamran University of Ahvaz

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 :
  • Adamowski, J. and H.F. Chan. ۲۰۱۱. A wavelet neural network ...
  • Afruzi, A., Zare Abyaneh, H. ۲۰۱۷. Groundwater Level Modeling and ...
  • Ebrahimi, H., T. Rajaee. ۲۰۱۷. Simulation of groundwater level variations ...
  • Fallah-Mehdipour, E., O. Bozorg Haddad and M.A. Mariño. ۲۰۱۳. Prediction ...
  • Izadi, A., K. Davari, A. Alizadeh, B. Ghahreman, V. Haghayeghi ...
  • Jang, J.S.R., C.T. Sun, E. Mizutani. ۱۹۹۷. Neuro-Fuzzy and Soft ...
  • Kişi, Ö. ۲۰۰۹. Evolutionary fuzzy models for river suspended sediment ...
  • Mallat, S.G. ۱۹۹۸. A wavelet tour of signal processing, San ...
  • Moosavi, V., M. Vafakhah, B, Shirmohammadi and M. Ranjbar. ۲۰۱۴. ...
  • Nakhai, M., A. Saberi Nasr and R. Farajzadeh. ۲۰۱۱. Advantages ...
  • Nayak, P., Y.R. Satyaji Rao and K.P. Sudheer. ۲۰۰۶. Groundwater ...
  • Nayak, P.C., K.P. Sudheer, D.M. Rangan and K.S. Ramasastri. ۲۰۰۴. ...
  • Nourani, V., A. Asghari Mogaddam and A.O. Naderi. ۲۰۰۸. An ...
  • Nourani, V., M. Komasi and A. Mano. ۲۰۰۹. A Multivariate ...
  • Nourani, V. and S. Mousavi. ۲۰۱۶. Spatiotemporal groundwater level modeling ...
  • Rajai, T. and A. Zenivand. ۲۰۱۴. Modeling groundwater level using ...
  • Ramezani-Charmahineh, A. and M. Zounemat-Kermani. ۲۰۱۷. Evaluation of the Efficiency ...
  • Riad, S., J. Mania, L. Bouchaou and Y. Najjar. ۲۰۰۴. ...
  • Shiri, J., O. Kisi, H. Yoon, K.K. Lee and A. ...
  • Solgi, A. ۲۰۱۴. Predict river flow with hybrid model wavelet-artificial ...
  • Suryanarayana, C., C. Sudheer, V. Mahammood and B.K. Panigrahi. ۲۰۱۴. ...
  • Toolbox of the MATLAB software, R۲۰۱۳a ...
  • Wang, W. and J. Ding. ۲۰۰۳. Wavelet Network Model and ...
  • Zadeh, L.A. ۱۹۶۵. Fuzzy Sets. Information and control, ۸(۳): ۳۳۸-۳۵۳ ...
  • Adamowski, J. and H.F. Chan. ۲۰۱۱. A wavelet neural network ...
  • Afruzi, A., Zare Abyaneh, H. ۲۰۱۷. Groundwater Level Modeling and ...
  • Ebrahimi, H., T. Rajaee. ۲۰۱۷. Simulation of groundwater level variations ...
  • Fallah-Mehdipour, E., O. Bozorg Haddad and M.A. Mariño. ۲۰۱۳. Prediction ...
  • Izadi, A., K. Davari, A. Alizadeh, B. Ghahreman, V. Haghayeghi ...
  • Jang, J.S.R., C.T. Sun, E. Mizutani. ۱۹۹۷. Neuro-Fuzzy and Soft ...
  • Kişi, Ö. ۲۰۰۹. Evolutionary fuzzy models for river suspended sediment ...
  • Mallat, S.G. ۱۹۹۸. A wavelet tour of signal processing, San ...
  • Moosavi, V., M. Vafakhah, B, Shirmohammadi and M. Ranjbar. ۲۰۱۴. ...
  • Nakhai, M., A. Saberi Nasr and R. Farajzadeh. ۲۰۱۱. Advantages ...
  • Nayak, P., Y.R. Satyaji Rao and K.P. Sudheer. ۲۰۰۶. Groundwater ...
  • Nayak, P.C., K.P. Sudheer, D.M. Rangan and K.S. Ramasastri. ۲۰۰۴. ...
  • Nourani, V., A. Asghari Mogaddam and A.O. Naderi. ۲۰۰۸. An ...
  • Nourani, V., M. Komasi and A. Mano. ۲۰۰۹. A Multivariate ...
  • Nourani, V. and S. Mousavi. ۲۰۱۶. Spatiotemporal groundwater level modeling ...
  • Rajai, T. and A. Zenivand. ۲۰۱۴. Modeling groundwater level using ...
  • Ramezani-Charmahineh, A. and M. Zounemat-Kermani. ۲۰۱۷. Evaluation of the Efficiency ...
  • Riad, S., J. Mania, L. Bouchaou and Y. Najjar. ۲۰۰۴. ...
  • Shiri, J., O. Kisi, H. Yoon, K.K. Lee and A. ...
  • Solgi, A. ۲۰۱۴. Predict river flow with hybrid model wavelet-artificial ...
  • Suryanarayana, C., C. Sudheer, V. Mahammood and B.K. Panigrahi. ۲۰۱۴. ...
  • Toolbox of the MATLAB software, R۲۰۱۳a ...
  • Wang, W. and J. Ding. ۲۰۰۳. Wavelet Network Model and ...
  • Zadeh, L.A. ۱۹۶۵. Fuzzy Sets. Information and control, ۸(۳): ۳۳۸-۳۵۳. ...
  • نمایش کامل مراجع