ارزیابی پیش بینی هیدروگراف آبخوان با رویکرد شبکه های بیزین منفرد و یکپارچه

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 271

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_JWIM-11-3_011

تاریخ نمایه سازی: 1 آذر 1400

چکیده مقاله:

بهره برداری از منابع آب زیرزمینی در مناطق خشک به عنوان یک عامل اساسی در توسعه و چشم‎انداز منطقه حائز اهمیت است. این موضوع سبب شده تا استفاده از رویکردهای مختلف جهت ارزیابی و تعیین میزان حجم منابع آب زیرزمینی بکار گرفته شود. در این مطالعه از شبکه بیزین که یک شبکه احتمالاتی براساس داده های ثبت شده است به منظور کاهش عدم قطعیت ها استفاده شد. استفاده از دو حالت منفرد پیزومترها و ترکیبی پیزومترها در برآورد هیدروگراف آبخوان با استفاده از شبکه بیزین با استفاده از نرم افزار HUGIN v۸.۳ مورد ارزیابی قرار گرفت. به منظور پیاده سازی دو رویکرد شبیه سازی با شبکه بیزین، شبیه سازی حالت منفرد برای هر چاه مشاهده ای و شبیه سازی برای حالت یکپارچه برای پنج چاه مشاهده ای در سطح آبخوان انجام گرفت. نتایج دو حالت شبیه سازی برای دو سال پیش بینی روند آتی آبخوان حاکی از بالابودن میزان شاخص های آماری بین داده های مشاهداتی و شبیه سازی است. نتایج نهایی در روش منفرد حاکی از متوسط ضریب تبیین ۸۵/۰ با میانگین مجذور خطای ۴۲/۰ و در روش یکپارچه با متوسط ضریب تبیین ۸/۰ با میانگین مجذور خطای ۲۵/۰ است. همچنین نتایج نشان داد که استفاده از روش بیزین جهت پیش بینی سطح آب زیرزمینی و حجم آبخوان دقت بالایی داشته و استفاده از رویکرد منفرد برای پیش بینی سطح آب زیرزمینی در هر چاه مشاهده ای و روش یکپارچه در پیش بینی هیدروگراف آبخوان دارای دقت مناسبی است.

نویسندگان

حمید کاردان مقدم

استادیار پژوهشی، گروه تحقیقات منابع آب، موسسه تحقیقات آب وزارت نیرو، تهران، ایران

عباس روزبهانی

دانشیار، گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران، تهران، ایران.

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 :
  • Abbasi, A., Khalili, K., Behmanesh, J., & Shirzad, A. (۲۰۲۰). ...
  • Ahmadi, F. (۲۰۱۶). Comparing the Performance of Support Vector machines ...
  • Biondi, D., & De Luca, D. L. (۲۰۱۲). A Bayesian ...
  • Ghose, B., Dhawan, H., Kulkarni, H., Aslekar, U., Patil, S., ...
  • Gong, Y., Zhang, Y., Lan, S., & Wang, H. (۲۰۱۶). ...
  • Huang, F., Huang, J., Jiang, S. H., & Zhou, C. ...
  • Kardan Moghadam, H., & Roozbahani, A. (۲۰۱۵). Evaluation of Bayesian ...
  • Karimi-Rizvandi, S., Goodarzi, H. V., Afkoueieh, J. H., Chung, I. ...
  • Mirarabi, A., Nassery, H. R., Nakhaei, M., Adamowski, J., Akbarzadeh, ...
  • Moghaddam, H. K., Milan, S. G., Kayhomayoon, Z., & Azar, ...
  • Moghaddam, H. K., Moghaddam, H. K., Kivi, Z. R., Bahreinimotlagh, ...
  • Moghaddam, H. K., Banihabib, M. E., & Javadi, S. (۲۰۱۸). ...
  • Montanari, A., Shoemaker, C. A., & Van de Giesen, N. ...
  • Nash, D., & Hannah, M. (۲۰۱۱). Using Monte-Carlo simulations and ...
  • Noorbeh, P., Roozbahani, A., & Moghaddam, H. K. (۲۰۲۰). Annual ...
  • Nourani, V., & Mousavi, S. (۲۰۱۶). Spatiotemporal groundwater level modeling ...
  • Sahoo, S., & Jha, M. K. (۲۰۱۳). Groundwater-level prediction using ...
  • Roozbahani, A., Ebrahimi, E., & Banihabib, M. E. (۲۰۱۸). A ...
  • Tabesh, M., Roozbahani, A., Roghani, B., Faghihi, N. R., & ...
  • Wen, X., Feng, Q., Deo, R. C., Wu, M., & ...
  • Yue, Q., Zhang, F., & Guo, P. (۲۰۱۸). Optimization-based agricultural ...
  • Yunana, D., Maclaine, S., Tng, K. H., Zappia, L., Bradley, ...
  • نمایش کامل مراجع