پیش بینی مکانی و زمانی تغییرات تراز آب زیرزمینی با استفاده از سیستم استنتاج فازی عصبی تطبیقی و تکنیک های زمین آمار به روش کریجینگ مطالعه موردی توابع دشت ارسنجان
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 594
فایل این مقاله در 6 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:
WATERCONF01_141
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
تخمین تراز آب زیرزمینی،به دلیل تاثیر آن در مدیریت منابع آب، می تواند نقش اقتصادی مهمی داشته باشد. با روش های مختلفی می توان تراز آب زیرزمینی را پیش بینی کرد. هر یک از این روش ها محاسن و معایب خود را دارد. یکی از روش هایی که توجه بسیاری را به خود جذب نموده ، استفاده از سیستم استنتاج فازی – عصبی تطبیقی و سیستم اطلاعات جغرافیایی جهت پهنه بندی می باشد. امروزه سیستم های هوشمند فازی با توجه به توانایی در حل پدیده های غیر خطی و پیچیده، کاربردهای فراوانی در مسائل مختلف مهندسی آب پیدا کرده اند، هدف از این تحقیق ارزیابی این سیستم در پیش بینی تراز آب زیرزمینی و پهنه بندی توابع دشت ارسنجان می باشد. به منظور آموزش مدل از اطلاعات 21 پیزومتر که دارای آمار تراز سطح ایستابی با سری زمانی 12 ساله آذر 12 شهریور - 21 بوده اند استفاده شد. پارامترهای تراز آب زیرزمینی و بارش هر یک از پیزومترها با تاخیر زمانی یک ماهه و دو ماهه با الگوی Ht-1 () Ht-2 و Pt-1 () Ht-1 به صورت ماهانه دو ورودی اصلی سیستم استنتاج فازی عصبی تطبیقی را تشکیل دادند.نتایج این تحقیق نشان داد که سیستم استنتاج فازی عصبی تطبیقی با الگوی Ht-1 () Ht-2 و تابع Gussian قادر به پیش بینی سطح آب زیرزمینی در دو ماه آینده با دقت R=97.89 , RMSE=0.126 و سیستم اطلاعات جغرافیایی قادر به پهنه بندی با مدل های سقف دار کریجینگ با درصد واریانس تصادفی بدون ساختار برای مدل های کروی،گوسی و نمایی با نتایج و0و0 0.26 برای توابع دشت ارسنجان می باشد
کلیدواژه ها:
نویسندگان
امیرحسین زاهدی
دانشجوی کارشناسی ارشد سازه های هیدرولیکی،گروه مهندسی عمران،واحد لارستان،دانشگاه آزاد اسلامی لارستان، ایران
مهرداد فریدونی
استادیار گروه مهندسی عمران،واحد لارستان،دانشگاه آزاد اسلامی لارستان،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 :