مقایسه مدل هایSVM وANN در شبیه سازی سطح آب زیرزمینی چاه های مشاهده ای دشت نهاوند – استان همدان
- سال انتشار: 1403
- محل انتشار: مهندسی آبیاری و آب ایران، دوره: 14، شماره: 3
- کد COI اختصاصی: JR_WATER-14-3_012
- زبان مقاله: فارسی
- تعداد مشاهده: 162
نویسندگان
، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا ، همدان، ایران
دانش آموخته ارشد منابع آب گروه علوم و مهندسی آب دانشگاه بوعلی سینا
دانشجو دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا ، همدان، ایران
چکیده
منابع آب زیرزمینی از مهمترین منابع تامین آب هستند، لذا مدل سازی آنها حائز اهمیت می باشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازه های مهندسی، مصارف کشاورزی و حصول آب های زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. در این تحقیق از مدل ماشین بردار پشتیبان (SVM) و شبکه عصبی مصنوعی (ANN) برای شبیه سازی ماهانه سطح آب زیرزمینی دشت نهاوند در استان همدان در یک دوره ۲۰ ساله (۱۳۹۶-۱۳۷۶) در محیط Matlab استفاده شد. در این دوره ۲۰ ساله، ۱۴ سال برای آموزش و ۳ سال برای واسنجی و همچنین ۳ سال برای صحت سنجی مدل تقسیم شد. که مقایسه آماری نتایج به کمک شاخص های ضریب همبستگی (r) و خطای استاندارد (SE) صورت گرفت. برای شبیه سازی سطح آب زیرزمینی از چهار حلقه چاه مشاهده ای به همراه متغیرهای سطح آب زیرزمینی، بارش، تبخیر و دما، استفاده شد. بیشترین دقت از بین این دو مدل در مدل SVM است که دارای ۱۱/۰SE = در حالت آموزش و ۰۳/۰ در حالت آزمون است. همچنین میزان ضریب همبستگی در حالت آزمون % ۹۸ است. با توجه به دقت مناسب روش SVM در شبیه سازی سطح آب زیرزمینی نتایج حاکی از تابع کرنل RBF ،با واریانس ۶۵۲۳ و گاما ۲۳/۵۲۷ برای حالت بهینه است. نتایج این مطالعه نشان داد که استفاده از رویکرد SVM جهت شبیه سازی سطح آب زیرزمینی و ارزیابی پارامترهای ورودی جهت شبیه سازی می-تواند علاوه بر کاهش تعداد پارامترهای ورودی دقت مناسبی را جهت شبیه سازی نشان دهدکلیدواژه ها
سطح آب زیرزمینی, دشت نهاوند, SVM, .Matlabاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.