عملکرد شش روش ترکیبی هوشمند در مدل سازی کیفی آب زیرزمینی مطالعه موردی: دشت بافق

امیر محمد رخ شاد; علی شهیدی

عملکرد شش روش ترکیبی هوشمند در مدل سازی کیفی آب زیرزمینی مطالعه موردی: دشت بافق

محل انتشار: مجله هیدروژئولوژی، دوره: 6، شماره: 1

سال انتشار: 1400

نوع سند: مقاله ژورنالی

زبان: فارسی

مشاهده: 156

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

دریافت فایل کامل مقاله

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/1611856

شناسه ملی سند علمی:

JR_HYDTR-6-1_010

تاریخ نمایه سازی: 13 اسفند 1401

چکیده مقاله:

بررسی و کنترل کیفیت آب های زیرزمینی در برنامهریزی و توسعه منابع آب نقش مهمی دارد و استفاده از یک روش کارا می تواند تا حد زیادی موجب افزایش دقت و کاهش هزینه ها در این زمینه گردد. در این پژوهش، برای آموزش و بهینهیابی پارامترهای مدل سیستم استنتاج عصبی-فازی (ANFIS) جهت مدلسازی کیفی آب زیرزمینی دشت بافق در استان یزد، از ۶ الگوریتم فراابتکاری بهینهسازی ازدحام ذرات (PSO)، ژنتیک (GA)، رقابت استعماری (ICA)، کرم شبتاب (FA)، فرهنگی (CA) و استراتژی تکامل انطباق ماتریس کوواریانس (CMA-ES) استفاده گردید. برای انتخاب بهترین ترکیب ورودی جهت تخمین سه پارامتر هدایت الکتریکی (EC)، جذب سدیم (SAR) و سختی کل (TH) از روش های پیرسون و اسپیرمن برای تحلیل حساسیت و میزان همبستگی سایر پارامترها استفاده گردید و مدلسازی کیفی با روش های ترکیبی انجام و عملکرد مدل ها با نمایه های ضریب همبستگی(R۲)، خطای جذر میانگین مربعات (RMSE) و ضریب نش-ساتکلیف (NSE) سنجیده شد. نتایج نشان داد که هر شش روش ترکیبی عملکرد بسیار مناسبی را در مدلسازی پارامترهای آب زیرزمینی از خود نشان دادند. همچنین مدل ANFIS-FA در هر سه دسته مدلسازی جزو بهترین مدل ها بود، بهطوریکه مقدار R۲ ، RMSE و NSE آن بهترتیب برای بخش آزمایش در TH، ۹۹/۰، ۴۱/۰ و ۹۹/۰، برای SAR، ۹۸/۰، ۱۱/۱ و ۹۵/۰ و برای EC، ۹۹/۰، ۷/۳۰۵ و ۹۹/۰ بهدست آمد. سایر روش ها نیز با دقتی مناسب موفق به مدلسازی و پیشبینی پارامترهای موردنظر شدند. با توجه به دقت محاسبات، این روش ها گزینه های مناسبی برای پیشبینی متغیرهای کیفی آب زیرزمینی بهشمار می روند.

کلیدواژه ها:

آب زبرزمینی ، نروفازی ، الگوریتم ، مدل سازی ، نسبت جذب سدیم ، هدایت الکتریکی

نویسندگان

امیر محمد رخ شاد

دانشجوی دکترای منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، خراسان جنوبی، ایران

علی شهیدی

دانشیار، گروه علوم و مهندسی آب، دانشگاه بیرجند، خراسان جنوبی، ایران

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 :

آتشپز گرگری، ا.، ۱۳۸۷. توسعه الگوریتم بهینه سازی اجتماعی و ...
اقدر، ح. محمدیاری، ف.، ۱۳۹۴. مدلسازی پارامتر کیفی TH در ...
جانی، ر.، ۱۳۹۸. مدلسازی خوشه ای تراز آب زیرزمینی دشت ...
کرد، م.، اصغری مقدم، ا.، نخعی، م.، ۱۳۹۸. مدلسازی عددی ...
میرسنجری، م. م.، محمدیاری، ف.، بصیری، ر. حمیدی پور، ف.، ...
نوری، ح.، ایلدرومی، ع.، سپهری، م. آرتیمانی، م.م.، ۱۳۹۷. مقایسه ...
Abu-Khalaf, N., Khayat, S., Natsheh, B., ۲۰۱۳. Multivariate data analysis ...
Alizamir, M., Sobhanardakani, S., ۲۰۱۷. Predicting arsenic and heavy metals ...
Azad, A., Karami, H., Farzin, S., Saeedian, A., Kashi, H., ...
Delir, S., Foroughi-Asl, A., Talatahari, S., ۲۰۱۹. A hybrid charged ...
Emamgholizadeh, S., Kashi, H., Marofpoor, I., Zalaghi, E., ۲۰۱۳. Prediction ...
Hosseini-Moghari, S.M., Morovati, R., Moghadas, M., Araghinejad S., ۲۰۱۵. Optimum ...
Jalalkamali, A., ۲۰۱۵. Using of hybrid fuzzy models to predict ...
Karterakis, S.M., Karatzas, G.P., Nikolos, I.K., Papadopoulou, M.P., ۲۰۰۷. Application ...
Kazemzadeh-Parsi, M.J., Daneshmand, F., Ahmadfard, M.A., Adamowski, J., Martel, R., ...
Khadr, M. and Elshemy, M., ۲۰۱۶. Data-driven modeling for water ...
Liu, W.C., Chen, W.B., Kimura, N., ۲۰۰۹. Impact of phosphorus ...
Luo, D., Guo, Q., Wang, X., ۲۰۰۳. Simulation and prediction ...
Mousavi, S,F. and Amiri, M.J., ۲۰۱۲. Modelling nitrate concentration of ...
Orouji, H., Bozorg Haddad, O., Fallah-Mehdipour, E., and Mariño M.A., ...
Smaoui, H., Zouhri, L., Kaidi, S., Carlier E., ۲۰۱۸. Combination ...
Sudheer, C., Mathur, S., ۲۰۱۲. Particle swarm optimization trained neural ...
Tabari, M.M.R., ۲۰۱۶. Prediction of river runoff using fuzzy theory ...
Tien Bui, D., Khosravi, K., Li, S., Shahabi, H., Panahi, ...
Yang, X.S., Sadat Hosseini, S.S., and Gandomi, A.H., ۲۰۱۲. Firefly ...
Zadeh. L.A., ۱۹۶۵. Fuzzy sets. Inf Control, ۸(۳):۳۳۸–۳۵۳ ...
Zhou, C.H., Gao, L., Gao, H., and Chuanyong, P., ۲۰۰۶. ...

نمایش کامل مراجع