پیش بینی سطح ایستایی و شدت تخلیه سیستم زهکشی زیرزمینی با استفاده از شبکه عصبی مصنوعی
محل انتشار: دومین همایش ملی مدیریت شبکه های آبیاری و زهکشی
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,541
فایل این مقاله در 8 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:
IDNC02_108
تاریخ نمایه سازی: 15 مهر 1387
چکیده مقاله:
زهکشی یک روش موثر برای کنترل سطح ایستایی در مناطق با سطح آب زیرزمینی بالا به خصوص در مناطق شمالی ایران است. تحقیق حاضر در اراضی تحت زهکشی شرکت ران بهشهر به منظور پیش بینی سطح ایستابی و شدت تخلیه سیستم زهکشی زیرزمینی با استفاده از شبکه عصبی مصنوعی انجام شده است. در طی فصول بارندگی در سال های ۱۳۸۳ و ۱۳۸۵، پارامترهای عمق سطح ایستابی و شدت تخلیه بین دو خط رهکش زیرزمینی S۳PD۱۴ و S۳PD۱۵ اندازه گیری شد. در این مطالعه عملکرد شبکه عصبی مصنوعی پیش خور عمومی در محیط نرم افزار MATLAB به منظور پیش بینی سطح ایستابی و شدت تخلیه زهکش مورد ارزیابی قرار گرفت. مقادیر میانگین اتنحراف مطلق، خطای استاندارد و ضریب تعیین برای بهترین مدل در پیش بینی سطح ایستابی به ترتیب برابر ۶/۷ سانتیمتر، ۷/۶ سانتی متر و ۰/۸۸ و برای شدت تخلیه به ترتیب برابر ۰/۲۳ میلی متر در روز ، ۰/۳۲ میلی متر در روز و ۰/۷۱ به دست آمد. نتایج نشان داد که شبکه عصبی مصنوعی قادر است بدون نیاز به تعداد زیاد پاراماترهای ورودی، نوسانات سطح ایستابی و شدت تخلیه سیستم زهکشی زیرزمینی را با دقت مطلوبی پیش بینی نماید. در نهایت می توان اذعان داشت که شبکه عصبی مصنوعی یک راهکار مناسب در برنامه ریزی بلند مدت مدیریت سطح ایستابی در منطقه مورد مطالعه می باشد.
کلیدواژه ها:
نویسندگان
حسن اوجاقلو
دانشجوی کارشناسی ارشد گروه مهندسی آبیاری و آبادانی، دانشکده آب و خاک، دانشگاه تهران
حامد ابراهیمیان
دانشجوی دکتری گروه مهندسی آبیاری و آبادانی، دانشکده آب و خاک دانشگاه تهران
عبدالمجید لیاقت
دانشیار گروه مهندسی آبیاری و آبادانی، دانشکده آب و خاک دانشگاه تهران
مسعود پارسی نژاد
استادیار گروه مهندسی آبیاری و آبادانی دانشکده آب و خاک دانشگاه تهران
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 :