ارزیابی سطح آبهای زیر زمینی در آبخوان محدوده شهر تبریز با شبکه های عصبی مصنوعی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,191

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE03_168

تاریخ نمایه سازی: 27 شهریور 1385

چکیده مقاله:

هدف این تحقیق ارزیابی سطح ایستابی آبهای زیر زمینی محدوده شهر تبریز در استان آذربایجان شرقی می باشد. با توجه به پروژه های مهندسی در دست اجرا در محدوده مطالعاتی از جمله پروژه متروی شهر تبریز یکی از عوامل اصلی تاثیر گذار بر این پروژه ها تغییرات سطح ایستابی آبهای زیر زمینی می باشد. به علت پیچیده و چند لایه بودن آبخوان این محدوده مدلسازی آن با مدلهی ریاضی معمول با مشکلات فراوانی رو به رو است. در این مطالعه از ساختارهای مختلف شبکه های عصبی مصنوعی برای پیش بینی سطح ایستایی این آبخوان ( در پیزومتر مرکزی منتخب) استفاده شده است. از میان ساختارهای مختلف مورد استفاده بهترین نتایج مربوط به شبکه های عصبی مصنوعی پیشرو با الگوریتم لونبرگ - مارکوارت (FNN-LM) می باشد. نتایج بدست آمده از این ساختار توانست پیش بینی ماهانه ای از سطح ایستابی آبهای زیر زمینی پیزومتر مرکزی دربازه زمانی دو ساله ارائه نماید.

کلیدواژه ها:

تغییرات سطح ایستابی ، شبکه های عصبی مصنوعی ، آبخوان محدوده شهر تبریز

نویسندگان

وحید نورانی

استادیار دانشکده مهندسی عمران، دانشگاه تبریز

اصغر اصغری مقدم

دانشیار دانشکده علوم طبیعی، دانشگاه تبریز

عطاالله ندیری

دانشجوی کارشناسی ارشد هیدروژئولوژی، 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 :
  • ندیری، ع.، اصغری مقدم، الف.، 1385. مبانی شبکه های عصبی ... [مقاله کنفرانسی]
  • مقدم، الف.، نورانی، و.، ندیری، ع.، 1385. مطالعه توانایی مدلهای ...
  • D aliakopoulos, N. I., Coulibaly, P., Tsanis, I. K., 2005. ...
  • French, M. N., Krajewski, W. F., Cuykendal, R. R., 1992. ...
  • ASCE Task Committee on Application of Artificial Neural Networks in ...
  • Coulibaly, P., Anctil, F., Bobee, B., 2000. Daily reservoir inflow ...
  • Coulibaly, P., Anctil, F., Aravena, R., Bobee, B., 2001. Artificial ...
  • Coulibaly, P.. Bobee, B., Anctil, F., 2001. Improving extreme hydrologic ...
  • Lallahem S., Mania, J., Hani, A., Najjar, Y., 2005. On ...
  • Haykin, S., 1994. Neural network: A comprehens ive foundation, MacMillan ...
  • Hornik, K., Stinchcombe, M., White, H.., 1989. Multilayer feedward networks ...
  • 1- Elman, J. L., 1990. Finding structure in time, Cognitive ...
  • Haykin, S., 1999. Neural networks, A c omprehensive foundation, second ...
  • Zhang, G., Patuwo, B. E., Hu, M. Y., 1998. Forecasting ...
  • Porter, D. W., Gibbs, P. G., Jones, W. F., Huyakom, ...
  • Coulibaly, P., Anctil, F., Bobee, B., 2001. Multivariate reservoir inflow ...
  • Anctial, F., Perrin, C., Andreassian, V., 2004. Impact of the ...
  • Toth, E., Brath, A., Montanari, A., 2000. Comparison of short-term ...
  • Maier, H. R., Dandy, G. C., 1998. Un derstanding behavior ...
  • نمایش کامل مراجع