تخمین نوسانات تراز آب زیرزمینی توسط مدل بهینه موجک-برنامه نویسی بیان ژن
محل انتشار: مجله هیدروژئولوژی، دوره: 6، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 152
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYDTR-6-1_006
تاریخ نمایه سازی: 13 اسفند 1401
چکیده مقاله:
بهدلیل کاهش منابع آب زیرزمینی و خشکسالیهای اخیر، شبیهسازی نوسانات تراز آب زیرزمینی از اهمیت بالایی برخوردار است. در این مطالعه، مدل برنامهنویسی بیان ژن (GEP) با تبدیل موجک (WT) ترکیب شد و مدل موجک-برنامهنویسی بیان ژن (WGEP) تولید گردید و تخمین درازمدت نوسانات چاه مشاهداتی سراب قنبر در یک دوره ۱۳ ساله بهینهسازی شد. در ابتدا دادههای مشاهداتی به دو دسته آموزش (۹ سال) و آزمون (۴ سال) تقسیم شدند. سپس با استفاده از تابع خود همبستگی، موثرترین تاخیرهای دادههای سری زمانی معرفی شدند. در ادامه با استفاده از این تاخیرها برای هر یک از مدلهای GEP و WGEP، چهار مدل مختلف تعریف گردید. با تجزیه و تحلیل کلیه مدلهای GEP و WGEP، مدل برتر شناسایی گردید. مدل برتر یا ۴ WGEP مقادیر تراز آب زیرزمینی را با دقت مناسبی شبیهسازی کرد. بهعنوان مثال، مقادیر ضریب همبستگی و ضریب بهرهوری نش-ساتکلیف برای این مدل بهترتیب مساوی با ۹۳۸/۰ و ۸۵۱/۰ محاسبه شدند. مقایسه مدلهای GEP و WGEP نشان داد که تبدیل موجک دقت مدلسازی را بهشکل قابلتوجهی افزایش داد. بهعنوان مثال، ضریب عملکرد مدل برتر WGEP در مقایسه با مدل برتر GEP حدودا ۱۴ برابر افزایش یافت. علاوه بر این، نتایج نشان داد که تاخیرهای شماره (t-۱)، (t-۲)، (t-۳) و (t-۴) موثرترین تاخیرهای ورودی بودند.
کلیدواژه ها:
نویسندگان
احسان عزیزی
دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
احمد رجبی
استادیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
بهروز یعقوبی
استادیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
سعید شعبانلو
دانشیار، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، 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 :