مقایسه روش های شبکه عصبی و نروفازی برای بهبود چهار چوب عملی دراستیک (مطالعه موردی: آبخوان دشت شبستر)
محل انتشار: فصلنامه دانش آب و خاک، دوره: 30، شماره: 1
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 147
فایل این مقاله در 13 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_WASO-30-1_007
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
رشد روزافزون جمعیت و افزایش نیازهای آبی، استفاده از منابع آب شیرین بویژه منابع آب زیرزمینی را افزایش داده است. به همین جهت ارزیابی آسیب پذیری آب های زیرزمینی روشی مناسب برای شناخت مناطق آسیب-پذیر و محافظت از این منابع به شمار می رود. دشت شبستر در استان آذربایجان شرقی یک منطقه فعال از نظر کشاورزی است و استفاده از منابع آب زیرزمینی در آن به علت کمبود منابع سطحی از اهمیت فوق العاده زیادی برخوردار است. در این مطالعه از چهار چوب عملی دراستیک برای ارزیابی آسیب پذیری آبخوان دشت شبستر استفاده شده است. مقدار شاخص آسیب پذیری دراستیک در منطقه مورد مطالعه برابر۳/۵۳ تا ۳/۱۱۸محاسبه شد. با توجه به اینکه ضرایب وزنی اختصاص یافته به هر پارامتردراستیک، تا حدودی از روی نظر کارشناسی است بنابراین هدف اصلی این مطالعه بهبود دراستیک با دو مدل شبکه عصبی و نروفازی بوده است. ورودی های دراستیک به عنوان ورودی هر دو مدل هوش مصنوعی قرار داده شدند. شاخص دراستیک تصحیح شده با غلظت نیترات به عنوان خروجی مدل در نظر گرفته شد. مقادیر نیترات به دو دسته آموزش و آزمایش دسته بندی شد. پس از آموزش هر دو مدل، نتایج مدل در مرحله آزمایش با غلظت نیترات مورد ارزیابی قرار گرفت. نتایج نشان داد هر دو مدل هوش مصنوعی توانایی بالایی جهت بهبود مدل دراستیک دارند. با این وجود مدل نروفازی با داشتن ضریب همبستگی بالاتری با نیترات روشی مناسب جهت ارزیابی آسیب پذیری آبخوان دشت شبستر بوده است.
کلیدواژه ها:
نویسندگان
اصغر اصغری مقدم
دانشگاه تبریر، دانشکده علوم طبیعی، گروه علوم زمین
فاطمه کدخدایی
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران
رحیم برزگر
دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
مریم قره خانی
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز
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 :