مقایسۀ کارایی مدل‌های شبکۀ عصبی مصنوعی، منطق فازی و جنگل تصادفی در برآورد پارامتر قابلیت انتقال آبخوان دشت ملکان

Authors

  • اصغر اصغری مقدم استاد هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز، تبریز، ایران
  • عطا الله ندیری دانشیار هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز، تبریز، ایران
  • مریم قره‌خانی دانشجوی دکتری هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز، تبریز، ایران
Abstract:

آبخوان دشت ملکان به عنوان یکی از آبخوان‏های حوضۀ دریاچۀ ارومیه، به مدیریت صحیح کمی و کیفی نیاز دارد. روش‏های مختلفی از جمله انجام آزمون پمپاژ، روش‏های آزمایشگاهی، استفاده از ردیاب‏ها و روش‏های ژئوفیزیکی برای ارزیابی پارامترهای هیدروژئولوژیکی و مدیریت مناسب آبخوان‏ها وجود دارد. هر چند تعبیر و تفسیر داده‏های به‌دست‌آمده از آزمون پمپاژ، بهترین روش تخمین پارامترهای هیدروژئولوژیکی آبخوان است، اما این روش‏ پرهزینه، وقت‏گیر و نتایج آن مختص به مناطق محدودی خواهد بود. با توجه به اینکه مدل‏های هوش مصنوعی توانایی‏هایی در برآورد پارامترهای هیدروژئولوژیکی نشان داده‏اند، در تحقیق حاضر کارایی مدل‏های شبکه‏های عصبی مصنوعی، منطق فازی و جنگل تصادفی در برآورد پارامتر قابلیت انتقال آبخوان دشت ملکان بررسی شده‏ است. پارامترهای ژئوفیزیکی و هیدروژئولوژیکی مرتبط با قابلیت انتقال، از جمله مقاومت عرضی، هدایت الکتریکی، ضخامت آبخوان و هدایت هیدرولیکی به عنوان مهم‏ترین ورودی در این مدل‏ها در نظر گرفته شده ‏است. بر اساس نتایج به‌دست‌آمده از بین مدل‏های شبکۀ عصبی و فازی و جنگل تصادفی، مدل جنگل تصادفی ‌دقت و توانایی بیشتری در شبیه‏سازی داشته‏ است. نتایج به‌دست‌آمده از شبیه‏سازی ( 96/0 = AUC، 001/0 = MSE و 986/0= R2) و تعیین مهم‏ترین پارامترهای تأثیرگذار در پیش‏بینی قابلیت انتقال، گویای برتری این مدل نسبت به مدل‏های شبکه‏های عصبی مصنوعی و منطق فازی در بحث پیش‏بینی است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی قابلیت انتقال آبخوان دشت ملکان با استفاده از روش جنگل تصادفی

قابلیت انتقال یکی از پارامترهای مهم در شناسایی خصوصیات آبخوان­ها می­باشد و به‌دست آوردن مقادیر و چگونگی توزیع آن توسط مدل­سازی، برای مدیریت آبخوان­ها ضروری به‌نظر می­رسد. برآورد این پارامتر با استفاده از آزمایشات صحرایی مانند آزمایش پمپاژ بسیار پرهزینه و وقت­گیر است. برای مدیریت مناسب آبخوان دشت ملکان که یکی از قطب‌های کشاورزی شمال­‌غرب کشور می‌باشد شناخت پارامترهای هیدروژئولوژیکی، خصوصاً قابلیت...

full text

تخمین پارامترهای هیدرودینامیکی آبخوان محبوس با استفاده از مدل فازی سوگنو

شناخت دقیق پارامترهای هیدروژئولوژیکی مانند قابلیت انتقال، هدایت هیدرولیکی و ضریب ذخیره یا آبدهی ویژه از جمله پارامترهای مهم برای پیش‏بینی شرایط آبخوان هستند که عموماً تعیین آنها برای نقاط مختلف آبخوان با هزینه‏های فراوانی انجام می‏‌شود. در سال‏های اخیر، از مدل‏های هوش مصنوعی به عنوان جایگزین روش‏های انطباق منحنی تیپ برای تعیین پارامترهای هیدرودینامیکی آبخوان‏ها استفاده شده است. بنابراین، در مطال...

full text

توسعه مدل‌های هوش مصنوعی مرکب در برآورد قابلیت انتقال آبخوان، مطالعه موردی: دشت تسوج

پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدل‌سازی آبهای زیرزمینی است که عموماً تعیین آن برای نقاط مختلف آبخوان با هزینه‌های فراوانی انجام می‌گیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه می‌باشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدل‌های منطق فازی، شب...

full text

تعیین مناطق آسیب‌پذیر آبخوان دشت ملکان به نیترات با استفاده از روش جنگل تصادفی

به دلیل وجود آنومالی نیترات در آب زیرزمینی دشت ملکان، 27 نمونه از منابع آب زیرزمینی در شهریور سال 1393 جمع‌آوری و در آزمایشگاه آبشناسی دانشگاه تبریز تجزیة هیدروشیمیایی شد. در مطالعة حاضر روش جنگل تصادفی (RF)، که روشی یادگیری مبتنی بر دسته‌ای از درخت‌های تصمیم است، برای ارزیابی آسیب‌پذیری پیشنهاد شده است. روش RF نسبت به روش‌های دیگر دارای مزایایی مانند دقت پیش‌بینی بالا، توانایی زیاد در تعیین مت...

full text

توسعه مدل های هوش مصنوعی مرکب در برآورد قابلیت انتقال آبخوان، مطالعه موردی: دشت تسوج

پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدل سازی آبهای زیرزمینی است که عموماً تعیین آن برای نقاط مختلف آبخوان با هزینه های فراوانی انجام می گیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه می باشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدل های منطق فازی، شب...

full text

مقایسۀ مدل رگرسیون درختی، شبکۀ عصبی مصنوعی و هارگریوز سامانی در برآورد تبخیرتعرق مرجع مناطق خشک

هدف از این تحقیق، ارزیابی سه مدل شبکۀ عصبی مصنوعی، رگرسیون درختی و مدل هارگریوز سامانی برای برآورد تبخیرتعرق گیاه مرجع بود. بدین منظور از اطلاعات هواشناسی استان­های سیستان و بلوچستان، کرمان، یزد و خراسان جنوبی در دورۀ آماری 1998-2008 استفاده شد. با توجه به تأثیر سرعت باد بر میزان تبخیرتعرق منطقه، برآورد تبخیرتعرق براساس تغییرات سرعت باد در قالب سه گروه شامل ایستگاه­هایی با سرعت باد کمتر از 48/2...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 3

pages  739- 751

publication date 2018-09-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023