ارزیابی روش های مختلف SOM-AI برای پیش بینی سطح آب زیرزمینی (مطالعه موردی: آبخوان دشت سلماس)
- سال انتشار: 1398
- محل انتشار: مجله پژوهش آب ایران، دوره: 13، شماره: 3
- کد COI اختصاصی: JR_JWAI-13-3_009
- زبان مقاله: فارسی
- تعداد مشاهده: 563
نویسندگان
دکتری هیدروژیولوزی، دانشکده علوم طبیعی، دانشگاه تبریز.
دانشیار گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز
استاد گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز
استادیار گروه زمین شناسی، دانشکده علوم پایه، دانشگاه کردستان
چکیده
تغییرات سطح آب زیرزمینی، یکی از مهم ترین متغیرها در مدیریت آبخوان هاست که پیش بینی دقیق این متغیر می تواند در ارایه راهکارهای مدیریتی برای حفظ این مخازن آب شیرین استراتژیک به خصوص در مناطق خشک و نیمه خشک، مانند حوضه دریاچه ارومیه راهگشا باشد. با وجود توانایی بالای مدل های هوش مصنوعی AI در پیش بینی سطح آب زیرزمینی به دلیل ناهمگنی و ناهمسانی محیط های هیدروژیولوژیکی، گهگاه از کارایی پایینی برخوردارند؛ از اینرو، استفاده از روش هوشمند نگاشت خود سازمان ده SOM برای خوشه بندی چاه های مشاهدهای و ترکیب آن با مدل های مختلف هوش مصنوعی می تواند باعث بهبود نتایج حاصل از مدل سازی شد. در این پژوهش، روش های مختلف SOM-AI ، شامل ماشین بردار پشتیبان SOM-SVM و مدل فازی ساگنو SOM-SFL برای پیش بینی تغییرات سطح آبزیرزمینی به کار گرفته شدند. بدین ترتیب، چاه های مشاهده ای OW در سه گروه G2 ،G1 و G3 دسته بندی و برای هر گروه از چاه های مشاهده ای مدل سازی سطح آب زیرزمینی اجرا شد. ارزیابی نتایج با استفاده از معیارهای RMSE و NSE نشان داد که حداقل در سه چاه مشاهده ای OW6 ،OW2 ، OW9 مدل ترکیبی SOM-SFL عملکرد بهتری نسبت به بقیه داشت. در بقیه چاه های مشاهده ای مدل ترکیبی SOM- LSSVM برتری نسبی داشتکلیدواژه ها
سطح آب زیرزمینی، منطق فازی، ماشین بردار پشتیبان، نگاشت خود سازمان ده.مقالات مرتبط جدید
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.