بازگشت به نشریه
پژوهش آب ایران
Journal of Materials Science: Materials in Electronics
ضریب تاثیر
0/000
در دسترس
2000 - 2020
دوره‌ها
15
شماره‌ها
53
مقالات
828
دسترسی آزاد
532


پژوهش آب ایران
ارزیابی روش های مختلف SOM-AI برای پیش‌بینی سطح آب‌زیرزمینی(مطالعه موردی: آبخوان دشت سلماس)


دریافت: - | پذیرش: - | انتشار: 1398/10/15 

 DOI

نویسندگان
کیوان نادری1*، مهدی کرد2، اصغر اصغری مقدم3، عطا الله ندیری4

1-،keiwan.naderi@yahoo.com

2-،kord.mehdi@gmail.com

3-،Moghaddam@tabrizu.ac.ir

4-،nadiri@tabrizu.ac.ir



219 تعداد دریافت

چکیده

تغییرات سطح آب‌زیرزمینی، یکی از مهم‌ترین متغیرها در مدیریت آبخوان‌هاست که پیش‌بینی دقیق این متغیر می‌تواند در ارائه راهکارهای مدیریتی برای حفظ این مخازن آب شیرین استراتژیک به‌خصوص در مناطق خشک و نیمه‌خشک، مانند حوضة دریاچه ارومیه راهگشا باشد. با وجود توانایی بالای مدل‌های هوش مصنوعی (AI) در پیش‌بینی سطح آب‌زیرزمینی به‌دلیل ناهمگنی و ناهمسانی محیط‌های هیدروژئولوژیکی، گه‌گاه از کارایی پایینی برخوردارند؛ از این‌رو، استفاده از روش هوشمند نگاشت خود سازمان‌ده (SOM) برای خوشه‌بندی چاه‌های مشاهده‌ای و ترکیب آن با مدل‌های مختلف هوش مصنوعی می‌تواند باعث بهبود نتایج حاصل از مدل‌سازی شد. در این پژوهش، روش‌های مختلف SOM-AI، شامل ماشین ‌بردار پشتیبان (SOM-SVM) و مدل فازی ساگنو (SOM-SFL) برای پیش‌بینی تغییرات سطح آب‌زیرزمینی به‌کار گرفته شدند. بدین‌ترتیب، چاه‌های مشاهده‌ای (OW) در سه گروه G1، G2 وG3 دسته‌بندی و برای هر گروه از چاه‌های مشاهده‌ای مدل‌سازی سطح آب زیرزمینی اجرا شد. ارزیابی نتایج با استفاده از معیارهای RMSE، r2 و NSE نشان داد که حداقل در سه چاه مشاهده‌ای OW2، OW6 و OW9، مدل ترکیبی SOM-SFL عملکرد بهتری نسبت به بقیه داشت. در بقیة چاه‌های مشاهده‌ای مدل ترکیبی SOM-LSSVM برتری نسبی داشت.




واژگان کلیدی

سطح آب زیرزمینی  منطق فازی  ماشین بردار پشتیبان  نگاشت خود سازمان‌ده 



دریافت فایل مقاله


دسترسی آزاد

دریافت فایل مقاله

ارجاع به مقاله





مراجع





اطلاعیه‌ها  

نمایه‌ها  

 


پایگاه استنادی علوم جهان اسلام
پایگاه اطلاعات نشریات کشور
سیویلیکا
پایگاه اطلاعات علمی جهاد دانشگاهی
 سازمان اسناد و کتابخانه ملی جمهوری اسلامی ایران