پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

نویسندگان

فرزانه اکبرزاده

حمید حسن پور

صمد امامقلی زاده

چکیده

پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. برای انجام این پیش­بینی، از روش­های متعددی مانند روش­های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می­توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیش­بینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه rbf پایه می­شود. بدین منظور آمار ماهانه تراز ایستابی دشت شاهرود و هم­چنین داده­های هواشناسی مانند دما، بارندگی، رطوبت و تبخیر، داده­های آب­های سطحی مانند دبی ورودی و خروجی به دشت شاهرود (دبی ورودی مجن آبشار، دبی ورودی تاش فرحزاد و دبی خروجی قلعه نو) طی یک دوره آماری 1994 تا 2010 استفاده شده است. بررسی داده­ها نشان می­دهد که برخی از داده­ها، هم­بسته بوده و دارای الگوی فصلی هستند، این مسأله، پیش­بینی داده­ها را دشوار می­کند. بر این اساس، روش ارائه شده در این مقاله شامل مراحل غیرفصلی سازی،  نرمال­سازی و حذف داده­های وابسته است که پیش از این به آن در تحقیقات پرداخته نشده است. سپس از 85 درصد داده­ها برای آموزش و از 15 درصد آنها، برای تست مدل استفاده شده است. در نهایت، بررسی نتایج نشان می­دهد که مدل شبکه عصبی ارائه شده، تراز  آب دشت شاهرود را برای سه سال پیاپی با میانگین مربعات خطای 0257/0 ­متر برای سال اول، 0270/0 متر در سال دوم و 0452/0 متر در سال سوم می­تواند پیش­بینی کند. همچنین در صورتی که بارش منطقه در یک سال، 30 درصد کاهش یابد، نتایج پیش­بینی مدل مذکور نشان می­دهد که تراز  آب زیرزمینی 7/0 کاهش می­یابد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی زمانی و مکانی تراز آب زیرزمینی دشت داورزن

هدف از این پژوهش تخمین مقدار تراز آب زیرزمینی در نقاط مختلف دشت داورزن واقع در استان خراسان رضوی در یک ماه آینده است. جهت پیش ­بینی زمانی از روش پرسپترون چندلایه‌ شبکه­ عصبی و برای پیش ­بینی مکانی از روش کریجینگ استفاده شده است. داده­ های ورودی شامل سری زمانی تراز آب زیرزمینی است که به ­مدت هشت سال از مهر 82 تا اسفند 89 به صورت ماهیانه اندازه­گیری شده است. ابتدا به ­منظور تعیین میزان دقت مدل، ت...

متن کامل

مدل‌سازی تراز آب زیرزمینی با بهره‌گیری از مدل هیبرید موجک- شبکه عصبی مصنوعی (مطالعه موردی: دشت شریف‌آباد)

منابع آب زیرزمینی یکی از مهم­ترین منابع تأمین آب می­باشند، از این­رو مدل­سازی آن­ها بسیار حائز اهمیت می­باشد. ارزیابی و پیش­بینی تراز آب زیرزمینی به پیش­بینی منابع آب زیرزمینی کمک می­کند. هدف این مطالعه ارزیابی عملکرد سه مدل رگرسیون خطی چندمتغیره (MLR)، مدل هیبرید موجک- شبکه عصبی (WNN) و شبکه عصبی مصنوعی (ANN) در پیش­بینی سطح آب زیرزمینی (GWL)، بر مبنای دو معیار ریشه خطای مربع متوسط (RMSE) و ضر...

متن کامل

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...

متن کامل

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...

متن کامل

منابع من

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


عنوان ژورنال:
پژوهشنامه مدیریت حوزه آبخیز

جلد ۷، شماره ۱۳، صفحات ۱۱۸-۱۰۴

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023