پیش بینی مناطق بالقوه آب زیرزمینی با استفاده از روش های هوش مصنوعی ترکیبی (مطالعه موردی: دشت بیرجند)
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 52، شماره: 9
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 125
فایل این مقاله در 15 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_IJSWR-52-9_007
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
آب های زیرزمینی یکی از مهم ترین منابع با ارزش برای استفاده جوامع، کشاورزی و صنایع هستند. در مطالعه حاضر، سه مدل هوش مصنوعی جدید شامل مدل آدابوست واقعی بهبود یافته (MRAB)، مدل بگینگ (BA) و مدل جنگل چرخشی (RF) توسط مدل طبقه بندی کننده پایه درخت عملکردی (FT) برای پیش بینی مناطق بالقوه آب های زیرزمینی در منطقه دشت بیرجند توسعه داده شده اند. لذا جهت پیاده سازی، داده های ژئوهیدرولوژیکی ۳۷ حلقه چاه آب زیرزمینی و ۱۰ عامل توپوگرافی، هیدرولوژی و زمین شناسی مورد استفاده قرار گرفت. عملکرد این مدل ها با استفاده از سطح زیر منحنی (AUC) و سایر شاخص های آماری مورد ارزیابی قرار گرفت. نتایج نشان داد که هر چند تمامی مدل های ترکیبی توسعه داده شده در این تحقیق دقت پیش بینی را افزایش دادند، اما مدل MRAB-FT (۷۴۲/۰AUC=) دقت بالاتری را در پیش بینی مناطق بالقوه آب های زیرزمینی در منطقه دشت بیرجند دارد. تهیه نقشه دقیق از مناطق بالقوه آب زیرزمینی، با حفظ تعادل بین مصرف و بهره برداری، به تغذیه مناسب آبخوان برای استفاده بهینه از منابع آب زیرزمینی کمک خواهد کرد.
کلیدواژه ها:
نویسندگان
مبین افتخاری
دانش آموخته کارشناسی ارشد مهندسی عمران آب و سازه های هیدرولیکی و عضو باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد
سید احمد اسلامی نژاد
دانش آموخته کارشناسی ارشد، گروه مهندسی نقشه برداری، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران
علی حاجی الیاسی
گروه مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی ، تهران ، ایران
محمد اکبری
دانشیار گروه مهندسی عمران، دانشگاه بیرجند، بیرجند، 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 :