بررسی توانایی شبکه ی عصبی در پیش بینی نوسانات سطح آب زیر زمینی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 412
فایل این مقاله در 13 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:
ICWESD01_249
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
هر امروزه در بسیاری از کشورهای جهان با افزایش جمعیت، نیاز به تامین آب شیرین بیش از پیش آشکار می شود. از آنجا که منابع آب شیرین سطحی در بسیاری از مناطق در دسترس قرار ندارد، از این رو بهره برداری از منابع آب زیرزمینی به شدت احساس می شود.منبع آب های زیر زمینی یکی از منابع قابل توجه برای فعالیت های شرب،کشاورزی و صنعت به شمار میروند. از آنجا که در بسیاری از نقاط کشور ایران دسترسی به آب های سطحی برای مصارف شرب، کشاورزی و صنعت در دسترس قرار ندارد و از منابع آب زیرزمینی بهره گرفته میشود، مطالعات این منابع به منظور بهره برداری بهینه از آنها از اهمیت ویژه ای برخوردار است. به منظور مدیریت صحیح منابع آب زیرزمینی در سال های ترسالی و خشک سالی پیش بینی نوسانات سطح آب زیر زمینی یک ضرورت اساسی میباشد.به این منظور استفاده از روش های مدلسازی ساده تر با نتایج دقیقتر همواره مد نظر محققان بوده است. در این میان مدل های جعبه سیاه، از جمله شبکه عصبی مصنوعی از اهمیت بالایی برای شبیه سازی برخوردارند و کیفیت داده ها تاثیر بسزایی در نتایج حاصله در این مدل ها دارند. در این تحقیق به پیش بینی سطح ایستابی آب زیرزمینی دشت ملکان بر اساس مدل شبکه عصبی مصنوعی پرداخته شده است. برای این منظور از داده های سطح ایستابی چاه ها وپیزومترهای موجود استفاده شده وتغییرات سطح ایستابی چاه ها توسط تکنیک شبکه عصبی مصنوعی شبیه سازی شده و دقت و مقدار خطای شبیه سازی بین سطح ایستابی محاسباتی ومشاهداتی تعیین شده است.
نویسندگان
صفا مختاریان اصل
دانش آموخته ی کارشناسی ارشد مهندسی عمران آب دانشکده فنی دانشگاه تبریز
اسماعیل سلطان قیس
دانش آموخته کارشناسی ارشد مهندسی عمران ژیوتکنیک دانشگاه آزاد اسلامی واحد تبریز
امیر ادهم
دانش آموخته ی کارشناسی ارشد مهندسی عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد مراغه
مهررضا نورمند
استادیار گروه عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد مراغه
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 :