مقایسه توانایی مدلهای استنتاج فازی و شبکه های عصبی مصنوعی در تعیین پارامترهای آبخوان تحت فشار و نقطه انطباق بهینه mach point
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 556
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:
CCASD02_038
تاریخ نمایه سازی: 16 اسفند 1394
چکیده مقاله:
آبخوانهای تحت فشار یکی از مهمترین منابع آب زیرزمینی هستند. برداشت بیرویه و عدم مدیریت آبخوان، باعث پایین رفتن تراز آب زیرزمینی و کاهش ضریب ذخیره آبخوان شده است. در ساالهای اخیار، روشاهای هاو مصانوعی بنناوان یااین ین روشهای انطباق منحنی تیپ یهت تنیین پارامترهای آبخوان تحت فشار استفاده میشوند. هدف از این مطالنه ارزیابی مدلهای فازی ممدانی LFM ساگنو LFM شبکه های عصبی مصنوعیsNNA در تخمین ضرایب هیدرولیکی آبخوان تحت فشار میباشد. رو شبکه عصبی مصنوعی براساس نرمال سازی داده ها میباشد. در این شبکه از الگوریتم آموزش لیونبرگ -مارکوآرت استفاده شده است. در این رو تابع چاه با استفاده از 1000 مجموعه از داده های مصنوعی آزمایش شد. شبکه ها با دریافت داده های آزمون پمپاژ، مختصات نقطه انطباق را تولید میکنند. مختصات نقطه انطباق با حل تحلیلی تایس و ژاکوب ترکیب میگردد
کلیدواژه ها:
ضرایب هیدرودینامیک ، مدل فازی ممدانی LFM مدل فازی ساگنوLFM شبکه عصبی مصنوعیsNNA آبخوان تحت فشار
نویسندگان
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 :