کارایی مدل GRNN در قیاس با مدل های ANN و RBF در تخمین پارامترهای آبخوان محبوس
محل انتشار: مجله هیدروژئولوژی، دوره: 2، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 199
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYDTR-2-1_008
تاریخ نمایه سازی: 15 آذر 1401
چکیده مقاله:
برای مدیریت صحیح منابع آب زیرزمینی، تخمین دقیقی از پارامترهای آبخوان لازم است. در این تحقیق، چندین مدل هوش مصنوعی شاملANN، GRNN و RBF به منظور تخمین پارامترهای هیدرولیکی یک آبخوان محبوس تدوین شده است. یکی از دلایل استفاده از مدلهای هوش مصنوعی در پیشبینی پارامترهای آبخوان، قابلیت انعطافپذیری بالای این مدلها، در حل مسائل غیرخطی میباشد. به منظور به کارگیری این مدلها، پس از جمعآوری دادههای مربوط به آزمایش پمپاژ و کاهش بعد دادهها با روش آنالیز مولفههای اصلی، به آموزش و آزمایش مدلهای هوش مصنوعی مختلف پرداخته شده است. اگر خطای تابع چاه که متغیر خروجی مدلهای هوش مصنوعی است، در حد قابل قبول باشد، مقادیر پارامترهای آبخوان بهدست آورده میشود. مدلهای مذکور بر روی دادههای یک آزمایش پمپاژ در آبخوان محبوس آزمایش و نتایج آنها با نتایج روش گرافیکی منحنی تایس مورد مقایسه قرار گرفته است. با قیاس چندین شاخص خطای آماری برمبنای نتایج مدلهای هوش مصنوعی پیشنهادی و حل گرافیکی مدل تایس، عملکرد مدلهای مذکور، بررسی گردیده است. به عنوان مثال، میانگین قدر مطلق خطای نسبی در تخمین پارامترهای آبخوان برای مدل ANN و روش گرافیکی منحنی تایس، به ترتیب ۵۵۶۴/۰ و ۱۳۲۰/۱ درصد بوده است. همچنین در مقایسه مدلهای مختلف هوش مصنوعی به کار گرفته شده، مدل GRNN از دقت مطلوب و مدت زمان محاسباتی کمتری در تخمین پارامترهای آبخوان برخوردار است و میتواند به عنوان مدل برتر در تخمین پارامترهای آبخوان، برگزیده شود.
کلیدواژه ها:
آزمایش پمپاژ ، تخمین پارامترهای آبخوان ، شبکه عصبی مصنوعی ، شبکه های عصبی رگرسیونی تعمیم داده شده ، مدل های هوش مصنوعی
نویسندگان
عاطفه دل ناز
دانشجوی کارشناسی ارشد سازه های هیدرولیکی، بخش مهندسی عمران و محیط زیست، دانشکده مهندسی، دانشگاه شیراز
غلامرضا رخشنده رو
استاد بخش مهندسی عمران و محیط زیست، دانشکده مهندسی، دانشگاه شیراز
محمد رضا نیکو
استادیار بخش مهندسی عمران و محیط زیست دانشکده مهندسی دانشگاه شیراز