ارزیابی کارایی مدل های شبکه عصبی مصنوعی و منطق فازی در پیش بینی سطح آب زیرزمینی
محل انتشار: اولین کنگره بین المللی زمین، فضا و انرژی پاک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 801
فایل این مقاله در 12 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:
ATTITTDE01_111
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله ارزیابی کارایی مدل های شبکه عصبی مصنوعی و منطق فازی در پیش بینی سطح آب زیرزمینی
پیش بینی سطح آب زیرزمینی در پیزومترها امری مهم در مدیریت صحیح منابع آب زیرزمینی می باشد. هدف از این تحقیق بررسیکارایی مدل های شبکه عصبی مصنوعی و فازی در پیش بینی سطح آب زیرزمینی است. پارامترهای بارش، دما، تخلیه و سطح آبزیرزمینی در یک زمان قبل (t(0)-1) به عنوان ورودی ها و سطح آب زیرزمینی (t0) به عنوان خروجی مدل ها استفاده شدند. لازم به ذکراست که داده ها به صورت ماهانه و مربوط به دورهی زمانی 9 ساله ( 1383-1391) می باشند. در مدل شبکه عصبی مصنوعی نوع شبکهالگوریتم و توابع مورد استفاده در پیش بینی سطح آب زیرزمینی به ترتیب شبکه پیشرو، الگوریتم لونبرگ- مارکوارت و توابع سیگموئیدیهستند. مدل فازی بکار رفته در این تحقیق، منطق فازی ساگنو می باشد که روش دسته بندی داده ها و تعیین توابع عضویت در آن به روش کاهشی (Subtractive) میباشد. برای ارزیابی کارایی و دقت مدل ها، دو پارامتر RMSE و (R(2 بین مقادیر مشاهده ای و محاسبه ای مورد استفاده قرار گرفت. نتایج نشان می دهند که هر دو مدل قابلیت پیش بینی سطح آب زیرزمینی را با دقت خوبی دارا هستند ولی مدلشبکه عصبی مصنوعی کارایی بهتری نسبت به مدل فازی را در مرحله ی آزمایش نشان می دهند.
کلیدواژه های ارزیابی کارایی مدل های شبکه عصبی مصنوعی و منطق فازی در پیش بینی سطح آب زیرزمینی:
نویسندگان مقاله ارزیابی کارایی مدل های شبکه عصبی مصنوعی و منطق فازی در پیش بینی سطح آب زیرزمینی
فاطمه واحدی
دانشجوی کارشناسی ارشد، دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
عطاالله ندیری
استادیار، دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
اصغر اصغری مقدم
استاد، دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
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 :