ارزیابی کارایی مدل های شبکه عصبی مصنوعی و منطق فازی در پیش بینی سطح آب زیرزمینی
- سال انتشار: 1394
- محل انتشار: اولین کنگره بین المللی زمین، فضا و انرژی پاک
- کد COI اختصاصی: ATTITTDE01_111
- زبان مقاله: فارسی
- تعداد مشاهده: 831
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
استادیار، دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
استاد، دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
چکیده
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 ها
مدیریت منابع آب، پیش بینی سطح آب زیرزمینی، شبکه عصبی مصنوعی، منطق فازی، دشت مشگین شهرمقالات مرتبط جدید
- ارزیابی انواع تهدیدات و شدت آنها در زیستگاههای کلان ایران
- اجرای پایلوت نانوپوشش سیلیکونی بر روی تجهیزات عایقی پست های منتخب تهران و مشهد و بررسی نتایج عملکرد میدانی
- تدوین دستورالعمل برای استفاده از نانوسیالات خنک کننده نیروگاهی
- تولید نانو الیاف کامپوزیتی کربن/ NiMoO۴ به روش الکتروریسی
- پوششش دهی و آزمون مقره های سرامیکی ۷۰ کیلو نیوتون با مواد سیلیکونی حاوی نانو ذرات سیلیکا
اطلاعات 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.