پیش بینی سطح آب زیرزمینی دشت بستان آباد با استفاده از ترکیب نظارت شده مدل های هوش مصنوعی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 148

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-13-3_004

تاریخ نمایه سازی: 30 بهمن 1401

چکیده مقاله:

آبخوان دشت بستان آباد واقع در استان آذربایجان شرقی تامین کننده اصلی نیازهای آبی منطقه می باشد. با توجه به برخی محدودیت های مدل های عددی مثل وقت گیر و پر هزینه بودن و نیاز به داده های زیاد، در این تحقیق از مدل های هوش مصنوعی شامل شبکه های عصبی پیشرو (FNN)، شبکه های عصبی برگشتی (RNN) و برنامه نویسی بیان ژن (GEP) جهت بررسی تغییرات سطح آب زیرزمینی دشت استفاده شده است. دسته بندی پیزومترها به دلیل نا همگنی آبخوان، قبل از مدل سازی صورت پذیرفت. پارامترهای بارش، تبخیر، دبی خروجی رودخانه اوجان و سطح آب زیرزمینی در یک زمان قبل به عنوان ورودی مدل ها مورد استفاده قرار گرفت. با وجود نتایج قابل قبول هر سه مدل بر اساس متوسط RMSE هر دسته در مراحل آموزش و آزمایش، جهت استفاده از کارایی هر سه مدل و دستیابی به نتیجه بهتر، از روش ترکیبی مدل های هوش مصنوعی با استفاده از یک شبکه عصبی مصنوعی به عنوان ترکیب کننده غیرخطی استفاده گردید. نتایج نشانگر کاهش متوسط خطای هر دسته در مدل هوش مصنوعی مرکب نسبت به مدل های منفرد به مقدار میانگین ۱۷% در مقادیر RMSE می باشد. با استفاده از نتایج مدل هوش مصنوعی مرکب، تاثیر کاهش ۳۰ و ۵۰ درصدی تخلیه از چاه های بهره برداری بر روی سطح آب زیرزمینی مورد بررسی قرار گرفت. نتایج نشانگر بالا رفتن قابل توجه سطح آب در همه پیزومتر ها به جز پیزومتر آغچه کهل می باشد. این موضوع نشان دهنده تاثیر بالای مقادیر پمپاژ نسبت به تغییرات آب و هوایی در تغییرات سطح آب زیرزمینی منطقه مطالعاتی می باشد.

کلیدواژه ها:

برنامه ریزی بیان ژن ، تراز آب زیرزمینی ، دشت بستان آباد ، شبکه عصبی مصنوعی ، هوش مصنوعی مرکب نظارت شده

نویسندگان

عطاالله ندیری

دانشگاه تبریز،دانشکده علوم طبیعی

زهرا طاهرخانی

دانشگاه تبریز

فریبا صادقی

دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :