بررسی مقایسهای پتانسیل یابی منابع آب زیرزمینی با استفاده از فنون تصمیم گیری شبکه عصبی مصنوعی و رگرسیون لجستیک در محیط GIS (مطالعه موردی: حوضه دشت یزد – اردکان)

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 842

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECONF02_275

تاریخ نمایه سازی: 12 دی 1393

چکیده مقاله:

ارزش و اعتبار آب در مناطق خشک و نیمهخشک جهان، به علت ناهمگونی زمانی و مکانی بارش بهعنوان عامل تولید آب، از سایر نقاط بیشتر است. به علت همین محدودیت باید ظرفیت منابع آبهایموجود را به خوبی شناسایی و مطالعه کرد تا بتوان برنامهریزی جامعی برای بهرهبرداری صحیح از آنها انجام داد. در این راستا علاوه بر استفاده از روشهای مرسوم در برنامه ریزی و مدیریت منابع آب، بهره گیری از فناوریهای جدید مانند مدلسازی در سیستمهای اطلاعات جغرافیایی با توجه به خصوصیاتی مانند سرعت و دقت بالا و دید وسیع و یکپارچه، میتواند بهعنوان ابزاری مناسب در اکتشاف منابع آبی مطرح گردد. در این پژوهش ابتدا عوامل طبیعی مؤثر در ایجاد مکانهای احتمالی ذخایر آب زیرزمینی تعیین شد. سپس این عوامل در قالب فنون تصمیمگیری چند معیاره شبکه عصبی مصنوعی و رگرسیون لجستیک و به کمک سیستم اطلاعات جغرافیایی مدلسازی شدند. همچنین بهمنظور بررسی کارآمدی و دقت این مدلها، مناطق با پتانسیل آب زیرزمینی که از هر مدل استخراج شده با موقعیت مکانی منابع آب زیرزمینی موجود مقایسه و ارزیابی شد. نتایج نشان داد که روش رگرسیونلجستیک با دقت 26/3 درصد نسبت به روش شبکه عصبی مصنوعی با دقت 16/6 درصد در پتانسیل یابی منابع آب زیرزمینی موفقتر بوده است.

کلیدواژه ها:

نویسندگان

مهدی مفیدیفر

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد یزد، گروه سنجش ازدور وGIS، یزد، ایران

سیدعلی المدرسی

استادیار، دانشگاه آزاد اسلامی واحد یزد، گروه سنجش ازدور و GIS، یزد، ایران

علی اکبر جمالی

استادیار، دانشگاه آزاد اسلامی واحد میبد، گروه آبخیزداری، میبد، 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 :