طراحی شبکه برداشت چاه های پیزومتری آب زیرزمینی با استفاده از ماشین بردار پشتیبان
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده کشاورزی
- author الهام رضایی
- adviser عباس خاشعی سیوکی علی شهیدی حسین ریاحی مدوار
- Number of pages: First 15 pages
- publication year 1392
abstract
انتخاب ترکیب مناسب از پارامتر های ورودی یکی از مهم ترین مراحل ساخت و طراحی هرگونه مدل سازی ریاضی و هوشمند است. در این تحقیق از ابزاری جدید به نام آزمون گاما برای پیش پردازش پارامتر های ورودی و انتخاب ترکیب بهینه از پارامتر های ورودی جهت شبیه ساز ی تراز سطح آب زیر زمینی به کمک مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm) استفاده شد. با توجه به دقت پیش پردازش آزمون گاما در کاهش مراحل سعی و خطا و تعیین پارامتر های ورودی به مدل ls-svm می توان کاربرد این روش نوین را در تحقیقات علوم آب و مدل سازی پدیده های غیر خطی پیشنهاد نمود. در این مطالعه کاربرد مدل شبیه ساز دقیق ls-svm را در امر شبیه ساز ی تراز سطح آب ارائه گردید. که با دقت بسیار خوب می توان شبکه بلند مدت آب زیرزمینی را ارئه نمود که قابلیت تخمین سطح آب زیر-زمینی منطقه را به طور دقیق دارا می باشد. در ادامه این مطالعه بر حل مشکل اندازه گیری های اضافی مکانی چاه های مشاهداتی در منطقه رامهرمز با پیشنهاد نقاط نمونه گیری معین در آینده و تغییر در اندازه-ی شبکه چاه های مشاهداتی پرداخته شد. در این تحقیق معیار حذف چاه ها تنها با مدل ls-svm صورت گرفته و معیار حذف چاه ها از شبکه امکان تخمین دقیق سطح ایستابی در آن چاه ها با استفاده از اطلاعات چاه های باقی مانده در شبکه بوده است. در نهایت می توان گفت استفاده از مدل ls-svm در کار های طراحی با در نظر گرفتن شرایط زمانی مکانی را می توان گسترش داد. نظارت زمانی مکانی طولانی مدت می تواند بر اساس معیار دقت فراوانی چاه های مشاهداتی در همه ی گام های زمانی طراحی گردد ( آصفا و همکاران، 2004). دقت طراحی شبکه بلند مدت آب زیر زمینی بستگی به دقت تابع تقریب تراز سطح آب زیر زمینی منطقه دارد. بنابراین هر چه تابع تقریب دقت بالا تری برای شبیه ساز ی تراز سطح آب منطقه داشته باشد، چاه های اضافی با دقت بالا تری از منطقه حذف می گردند. در نتیجه طراحی شبکه برداشت چاه های مشاهداتی آب زیر زمینی با تعداد 42 چاه در سطح دشت به عنوان شبکه ای بلند مدت منطقه قابل قبول تر می باشد. در واقع هر چه تابع تقریب دقت بالا تری داشته باشد، تعداد چاه های حذف شده از شبکه بیشتر خواهد بود. از طرفی روش های ماشین های بردار پشتیبان چون بر پایه ی معماری آماری بنا نهاده شده اند پس می توان از این روش در کار های هیدرولوژیکی و به خصوص مسائل آب زیر زمینی استفاده نمود.
similar resources
استفاده از مدل های ترکیبی ماشین بردار پشتیبان - موجکی و شبکه عصبی -موجکی در پیشبینی تراز آب زیرزمینی دشت اردبیل
چکیده آبهای زیرزمینی همواره به عنوان یکی از منابع مهم و عمده ی تأمین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بودهاند. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه ی آنها، لازم است پیشبینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. در این تحقیق اطلاعات 15 پیزومتر موجود در دشت اردبیل مورد استفاده قرارگرفت. از تبدیل موجک و روش خوشهبندی به ترتیب برای پیشپردازش زمانی و مک...
full textشبیه سازی نوسانات سطح آب زیرزمینی با استفاده از ترکیب ماشین بردار پشتیبان و تبدیل موجک
امروزه در بسیاری از کشورهای جهان، به ویژه در مناطقی که با کمبود آبهای سطحی مواجه هستند، بهرهبرداری از منابع آب زیرزمینی بیش از پیش مورد توجه قرار گرفته است. بهرهبرداری بیرویه از این منابع، بدون بهرهگیری از مطالعات منابع آب زیرزمینی میتواند مشکلات و پیامدهای جبرانناپذیری را بهبار آورد. مدیریت صحیح این منابع با شناخت کامل و آگاهی از این منابع امکانپذیر است. در این تحقیق از مدل ماشین بردا...
full textطراحی شبکه پایش سطح آب زیرزمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
این مطالعه روشی برای طراحی شبکههای پایش کمّی آب زیرزمینی به منظور کاهش نقاط پایش مکانی اضافی ارائه میکند؛ چاههای اضافی، که اگر نمونهگیری نشوند، خطای تخمین سطح آب زیرزمینی آنها قابل چشمپوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه مشاهداتی و پارامترهای هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...
full textطراحی شبکه پایش سطح آب زیرزمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (ls-svm)
این مطالعه روشی برای طراحی شبکههای پایش کمّی آب زیرزمینی به منظور کاهش نقاط پایش مکانی اضافی ارائه میکند؛ چاههای اضافی، که اگر نمونهگیری نشوند، خطای تخمین سطح آب زیرزمینی آن ها قابل چشم پوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه مشاهداتی و پارامترهای هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...
full textمدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی
Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...
full textمدلسازی مقاومت فشاری بتن غلتکی با استفاده از شبکه عصبی مصنوعی، انفیس و ماشین بردار پشتیبان
امروزه از بتن غلتکی در ساخت سدها و روسازی راهها استفاده میشود و طی سالهای اخیر استفاده از این نوع بتن به علت مزایایی چون کوتاه شدن زمان ساخت، در دسترس بودن مصالح مورد نیاز، عملکرد مناسب در نواحی سرد و عمر مفید طولانی گسترش یافته است. مهمترین خاصیت مکانیکی بتن غلتکی، مقاومت فشاری میباشد که افزایش آن میتواند عملکرد این نوع بتن را بهبود بخشد. حساسیت بتن غلتکی به اجزای تشکیلدهنده آن سبب مشک...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده کشاورزی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023