ارزیابی سیستم استنتاجی فازی-عصبی تطبیقی و شبکه عصبی در پیش بینی سطح آب زیرزمینی (مطالعه موردی:دشت مهیار شمالی)

پایان نامه
چکیده

ایران کشوری خشک است و فقط درصد کمی از آب مورد نیاز خود را به وسیله باران تأمین می کند. در حال حاضر، 55% از آب-های مورد نیاز در ایران به وسیله آب های زیرزمینی و 45% آن توسط آب های سطحی تأمین می شود. رشد جمعیت در ایران که با توسعه اقتصادی و رشد صنعت و کشاورزی همراه بوده است، باعث افزایش تقاضا برای آب شده است. در این زمینه، اهمیت کنترل و استفاده بهینه از آب های زیرزمینی توسط هیدروژئولوژیست ها تشخیص داده شده و مدل سازی آب های زیرزمینی به دلیل کارآیی بالا و هزینه های کمتر نسبت به روش های دیگر به عنوان ابزار مدیریتی منابع آب مورد توجه قرار گرفته است. بدین منظور، مدل کمی آب های زیرزمینی دشت مهیار شمالی با مساحت بالغ بر 279 کیلومترمربع که در فاصله20کیلومتری جنوب اصفهان واقع شده، با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاجی فازی-عصبی تطبیقی تهیه گردید و در انتها به منظور بررسی بیشتر توانایی این سیستم های هوشمند، نتایج حاصل از آنالیز رگرسیون با نتایج شبکه عصبی و سیستم استنتاجی فازی-عصبی تطبیقی مقایسه گردیدند. داده های مورد استفاده برای این تحقیق شامل بارندگی(t)، بارندگی (t-1)، رطوبت نسبی، درجه حرارت، برداشت از چاه های بهره برداری و دبی جریان آب زیرزمینی از مرزهای تغدیه کننده دشت (مرز جنوب شرقی) به عنوان ورودی و سطح آب زیرزمینی به عنوان خروجی (یا هدف) می باشد. ابتدا برای گروه داده های ورودی، شبکه ای طراحی و پارامترهای موثر در آموزش شبکه اعمال و بهترین شرایط(ضریب رگرسیونی بالا و مجذور متوسط خطا پایین) به دست آمده است در آموزش شبکه عصبی از چهار الگوریتم lm, rp, scg و gdm استفاده شده است. نتایج نشان می دهد بهترین نوع شبکه برای دسته داده های ورودی، شبکه ffn-lm می باشد. صحت سنجی شبکه مذکور نیز کارآیی آن ها را در شبیه سازی سطح آب زیرزمینی دشت تایید می نماید. جهت آموزش سیستم استنتاجی فازی-عصبی تطبیقی نیز، توابع عضویت فازی ساز مختلف استفاده گردید و نتایج حاکی از این بود که تابع گوسی ساده بهترین نتایج را ارائه می دهد. همچنین با مقایسه نتایج حاصل از به کارگیری تعداد توابع عضویت فازی مختلف برای هر ورودی تعداد 3 تابع در نظر گرفته شد. به منظور پیش بینی سطح آب زیرزمینی در دشت مهیار شمالی از داده های زمان t و داده های زمان t+12به ترتیب به عنوان ورودی و خروجی استفاده، و با به دست آوردن بهترین حالت برای دسته داده های ورودی، سطح آب زیرزمینی از مهر89 تا شهریور90 پیش بینی شد. مقایسه نتایج حاصل از سیستم استنتاجی فازی-عصبی تطبیقی )97/0, r2= 17/0(rmse= با نتایج شبکه عصبی مصنوعی )95/0, r2 = 22/0 (rmse=و روش رگرسیون )914/0 , r2= 407/0 (rmse=نشاندهنده دقت بسیار بالای سیستم استنتاجی فازی-عصبی تطبیقی در پیش بینی سطح آب زیرزمین آبخوان دشت مهیار شمالی می باشد. ولی در مجموع پیش بینی سطح آب زیرزمینی توسط هر سه روش از دقت نسبتاً بالایی برخوردار است.

منابع مشابه

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

Optimization of machining parameters is very important and the main goal in every machining process. Surface finishing prediction is a pre-requirement to establish a center for automatic machining operations. In this research, a neuro-fuzzy approach is used in order to model and predict the surface roughness in dry turning. This approach has both the learning capability of neural network and li...

متن کامل

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

پیش بینی زبری سطح یک پیش نیاز اساسی برای ایجاد یک مرکز ماشین کاری خودکار می باشد. بهینه سازی فرآیند ماشین کاری در این راستا از اهمیت خاصی برخوردار است. در این مقاله از رهیافت ترکیبی فازی- عصبی (سیستم استنتاج فازی- عصبی تطبیقی ANFIS) به منظور پیش بینی زبری سطح در تراش کاری خشک استفاده شده است. به طوری که داده های حاصل از آزمایش ها به منظور ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی...

متن کامل

پیش بینی دبی رودخانه کارون بزرگ با استفاده از شبکه های عصبی مصنوعی و سیستم های فازی - عصبی استنتاجی تطبیقی

تخمین دبی جریان در رودخانه به دلیل تأثیر آن در مدیریت منابع آب، جلوگیری از کم آبی، خطرات سیل و همچنین حفظ محیط زیست می تواند نقش اقتصادی مهمی داشته باشد. در این تحقیق جهت پیش بینی دبی رودخانه کارون بزرگ در سه حالت بیشترین و متوسط دبی ماهیانه و همچنین دبی روزانه از دو مدل شبکه عصبی مصنوعی و سیستم فازی- عصبی استنتاجی تطبیقی واقع در جنوب غربی ایران، استفاده شده است. شبکه های عصبی انتخابی در این ...

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

متن کامل

مقایسه پیش بینی واکشیدگی ضخامت تخته خرده چوب با سیستم فازی و شبکه عصبی مصنوعی

درصد واکشیدگی یکی از خواص فیزیکی مهم محصول نهایی می‌باشد. این آزمون نیاز به زمان و هزینه دارد. بنابراین پیش بینی مقدار درصد واکشیدگی تخته در حین تولید می‌تواند باعث کنترل کردن فرایند تولید و کیفیت یکنواخت محصول گردد. در این تحقیق متغیرهایی مانند رطوبت خرده چوب قبل از خشک‌کن، رطوبت کیک خرده چوب در فرمینگ، میزان چسب مصرفی به ازای هر تخته، زمان پرس، دمای پرس، فشار پرس، و خاصیت درصد واکشیدگی تخته خ...

متن کامل

شبیه سازی سفره آب زیرزمینی دشت مهیار با شبکه عصبی مصنوعی و سیستم اطلاعات جغرافیایی تحت سناریوهای مختلف

دشت مهیار در اصفهان از جمله دشت­هایی است که با بحران آب مواجه شده است. در چنین وضعیتی توجه به ظرفیت منابع و مدیریت صحیح، ابزاری مورد نیاز برای عبور از این شرایط می­باشد. در این راستا، با استفاده از شبکه عصبی مصنوعی، آمار سطح آب زیرزمینی و الگوی کشت­ دشت، سه سناریوی کاربری اراضی تشکیل شد که بر اساس آنها سطح سفره آب زیرزمینی برای سال آبی 1387 با شبکه تک لایه و الگوریتم آموزش لونبرگ-مرکوات و سه تا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسی علوم آب

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023