Skip to main content
فهرست مقالات

شبیه سازی سطح ایستابی دشت ملایر بر اساس داده های هواشناسی با استفاده از شبکه ی عصبی مصنوعی

نویسنده:

علمی-پژوهشی/ISC (12 صفحه - از 17 تا 28)

کلیدواژه ها :

مدل سازی ،آب زیرزمینی ،شبیه سازی ،شبکه‌ی عصبی مصنوعی پرسپترون چند لایه ،دشت ملایر

کلید واژه های ماشینی : شبیه‌سازی سطح ایستابی دشت ملایر ، اطلاعات ، سفره‌ی آب زیرزمینی دشت ملایر ، سطح ایستابی سفره‌ی آب زیرزمینی ، شبکه‌ی عصبی مصنوعی ، میانگین سطح ایستابی ماه ، سطح ایستابی ، سطح آب زیرزمینی دشت ملایر ، دشت ملایر ، شبیه‌سازی سطح آب زیرزمینی دشت

برای بررسی کارایی شبکه‌ی عصبی مصنوعی در شبیه سازی تغییرات سطح ایستابی سفره‌ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به عنوان ورودی شبکه‌ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اول، شامل میانگین اطلاعات دمای حداکثر هوا، دمای حداقل هوا، حداکثر رطوبت نسبی هوا، حداقل رطوبت نسبی هوا و میانگین تبخیر در مقیاس زمانی ماهانه و ارتفاع سطح ایستابی ماه پیش بود. در ساختار دوم از اطلاعات سطح ایستابی در یک، دو، سه و چهار ماه پیش استفاده شد. در ساختار سوم، افزون‌بر اطلاعات ساختار شماره‌ی دو، میانگین سطح ایستابی ماه مورد نظر و میانگین سطح ایستابی ماه پیش هم به کار گرفته شد. ساختار چهارم، براساس میانگین سطح ایستابی ماه مورد نظر، میانگین سطح ایستابی ماه پیش و اطلاعات هواشناسی ماهانه تعریف شد. ساختار سوم با آرایش 1-4-4-6، به عنوان ساختار مناسب با 9/1 درصد خطا در مقایسه با مقادیر واقعی پیشنهاد شد که نشان دهنده‌ی اهمیت به کارگیری عوامل سطح ایستابی سال‌های گذشته، در ورودی شبکه‌ی عصبی است. اجرای مدل بهینه‌ی شبکه‌ی عصبی، افت سطح ایستابی را 18/1 متر، به‌ازای 9/1 درصد خطا برآورد کرد. جذر میانگین مربعات خطا در مدل بهینه‌ی شبکه‌ی عصبی با آرایش 1-4-4-6 بر مبنای قانون آموزش لونبرگ مارکوات و تابع محرک سیگموئید، در مقابل تغییرات واقعی سطح سفره 44/0 متر با ضریب تعیین 99/0 به‌دست آمد. با توجه به دقت مناسب مدل و روند کاهنده‌ی حاکم بر سفره، می‌توان استفاده از شبکه‌ی عصبی مصنوعی برای تصمیم گیری در مدیریت دشت را، به‌عنوان ابزاری با سرعت و دقت مناسب در شبیه سازی سطح آب زیرزمینی دشت ملایر، توصیه کرد.

خلاصه ماشینی:

"مطالعات انجام گرفته در ایران نشان می‌دهد با وجود اهمیت پیش‌بینی رفتار یک سفره‌ی آب زیرزمینی و قابلیتشبکه‌های هوشمند عصبی،مطالعات محدودی در مورد شبیه‌سازی سطح ایستابی با استفاده از شبکه‌ی عصبی مصنوعیانجام گرفته است(دهقانی و همکاران،1388:520). (به تصویر صفحه مراجعه شود) با توجه به ساختار شبکه در شکل شماره‌ی 3،جنس اطلاعات استفاده شده در لایه‌ی اول مشابه تابع هدف است؛ضمن آنکه از نظر زمانی،تعداد بردارهای اطلاعات ماه‌های پیش نسبت به بردار سال‌های پیش در ورودی مدل بیشتر بودو گویای اهمیت اطلاعات جدید در پیش‌بینی نتایج است. A,maddahgoM irahgsA draH eht ni leveL retaW retawdnuorG etaulavE ot skrowteN larueN laicifitrA . A. A,inahgheD ni sehcaorppA metsyS ecnerefnI yzzuF-orueN evitpadA dna skrowteN larueN fo lanruoJ,)refiuqa nivzahG:yduts esaC(noitalopretnI leveL retawdnuorG . M,ikaraV ilieamsE refiuqA retawdnuorG laivullA detamitsE snoitautculF leveL retaW tnegilletnI retaW narI fo ecnerefnoC launnA tsriF selcitrA,krowteN larueN laicifitrA na gnisU . A,idazI dna noitagirrI fo lanruoJ,krowteN larueN laicifitrA gnisU gnitsaceroF elbaT retaW . M,zumaraK fo noitacilppA:narheT nrehtuoS ni secruoseR retaW ecafruS dna retawdnuorG fo launnA tsriF eht,skrowteN larueN laicifitrA dna sledoM mhtiroglA citeneG . R. S,ililahK ,dahsaM fo noitatS citponyS roF ydutS esaC A:skrowteN larueN laicifitrA gnisU fo ytisrevinU iswodreF ygolonhceT & ecneicS larutlucirgA,lioS dna retaW lanruoJ . M,ramuK dna noitagirrI fo lanruoJ,skrowteN larueN laicifitrA gnisU noitaripsnartopavE . loV,gnireenignE cigolordyH fo lanruoJ,ledoM krowteN larueN dna citsahcotS . R. A,ibesamhaT dna retaW no ecnerefnoC tnedutS lanoitaN dnoceS,krowteN larueN laicifitrA gnisU . H,henaybA eraZ ni metsyS ecnerefnI yzzuF orueN evitpadA dna krowteN larueN laicifitrA . H,henaybA eraZ raeniL dna krowteN larueN laicifitrA gnisu retawdnuorG ni noitartnecnoC ."


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.