چکیده:
نبود منابع آب سطحی دائمی در بسیاری از نقاط کشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است. در دشت دوزدوزان که در حوضه آبریز دریاچه ارومیه قرار دارد، بهدلیل عدم جریان سطحی دائمی برداشت بیرویه از منابع آب زیرزمینی باعث ایجاد متوسط افت 76 سانتیمتر در سال شده است. هدف از این تحقیق پیشبینی سطح آب زیرزمینی در این دشت با استفاده از روشهای هوش مصنوعی و زمین آمار میباشد. در ابتدا با استفاده از روش خوشهبندی مرتبهای (HCA) پیزومترها دستهبندی شدند. با انجام آنالیز حساسیت، دادههای ماهانه سطح آب، بارش و تبخیر هرکدام با یک تاخیر زمانی طی دوره 10 ساله (91-82) بهعنوان ورودیهای مدل انتخاب شدند. پس از نرمالسازی دادهها مدلسازی با شبکههای عصبی (ANNs) انجام شد. به منظور بررسی بیشتر شبیهسازی با مدل فازی ساگنو (SFL) نیز انجام شد. برای مقایسه نتایج دو مدل شاخصهای آماری جذر میانگین مربعات خطا و ضریب تبیین بهکار گرفته شدند. با توجه به برتری مدل ANNs، مدل کریجینگ و کوکریجینگ عصبی برای پیشبینی مکانی سطح ایستابی انتخاب شدند و پیش بینی مکانی با هر دو مدل انجام شد. نتایج نشان داد که مدل کوکریجینگ با در نظر گرفتن پارامتر ثانویه توپوگرافی نسبت به مدل کریجینگ پیشبینی دقیقتری داشته است. براساس نتایج بهدست آمده با افزایش بازه زمانی پیش بینی خطای مدل ترکیبی (کوکریجینگ عصبی) افزایش مییابد که بیشتر بهدلیل افزایش خطای مدل شبکه عصبی مصنوعی با افزاییش بازه زمانی پیشبینی میباشد و خطای مدل زمین آمار ( کوکریجینگ) نامحسوس بهنظر میرسد.
خلاصه ماشینی:
"پیش بینی زمانی و مکانی سطح آب زیرزمینی با استفاده از روش های هوش مصنوعی و زمین آمار (مطالعه موردی : آبخوان دشت دوزدوزان ) 1 عطالله ندیری 2 کیوان نادری 3 اصغر اصغری مقدم 4 محمدحسن حبیبی 1 چکیده نبود منابع آب سطحی دائمی در بسیاری از نقاط کشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است .
واژگان کلیدی: شبکه های عصبی مصنوعی (ANNs)، مدل فازی ساگنو(SFL)، نوسانات سطح ایستابی ، کریجینگ ، کوکریجینگ ، دشت دوزدوزان مقدمه مدل کردن سفره آب های زیرزمینی ، به منظور پیش بینی سطح ایستابی از نظر مطالعات هیدروژئولوژی و مدیریتی ، ایجاد سازه های مهندسی ، مصارف کشاورزی و به دست آوردن آب های زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است .
هدف از این تحقیق پیش بینی زمانی و مکانی سطح آب زیرزمینی در آبخوان دشت دوزدوزان با استفاده از مدل ترکیبی زمین آمار و هوش مصنوعی می باشد.
جدول (٢) نتایج مدل شبکه های عصبی مصنوعی (ANNs) در مرحله آموزش و تست ( به تصویر صفحه مراجعه شود)مدل فازی در این قسمت از مدل فازی ساگنو برای پیش بینی سطح آب زیرزمینی استفاده شده است .
در این مرحله نتایج مدل شبکه های عصبی مصنوعی شامل داده های پیش بینی Please purchase 'e-PDF Converter and Creator' on http://www.
برای انجام این مدلسازی با توجه به بررسی اولیه از نظر حذف روند و ناهمسانگردی ، از نتایج به دست آمده از مرحله مدل سازی کریجینگ استفاده شد و تنها به 1- Kolmogrov-Sminov 2- Root squer transformation Please purchase 'e-PDF Converter and Creator' on http://www."