آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,227 |
| تعداد مقالات | 15,051 |
| تعداد مشاهده مقاله | 50,586,537 |
| تعداد دریافت فایل اصل مقاله | 13,675,628 |
پیشبینی تراز آب زیرزمینی با کمک شبکه‌های موجک-عصبی (مطالعه موردی: دشت مراغه-آذربایجان‌شرقی) | ||
| هیدروژئولوژی | ||
| مقاله 3، دوره 1، شماره 1، شهریور 1395، صفحه 29-43 اصل مقاله (934.79 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/hydro.2016.4681 | ||
| نویسندگان | ||
| جعفر نیکبخت* 1؛ سمانه نوری2 | ||
| 1عضو هیأت علمی دانشگاه زنجان-گروه مهندسی آب | ||
| 2فارغ التحصیل کارشناسی ارشد آبیاری و زهکشی دانشگاه زنجان | ||
| چکیده | ||
| لازمه دستیابی به مدیریت جامع و پایدار منابع آب زیرزمینی، شناخت رفتار سیستم آب زیرزمینی و پیشبینی نوسانات سطح آن در آینده می‌باشد. هدف از پژوهش حاضر خوشه‌بندی چاه‌های مشاهده‌ای آبخوان دشت مراغه و پیشبینی تراز آب زیرزمینی به کمک شبکه‌های موجک-عصبی (WNN) بود. به دلیل تعداد زیاد چاه‌های مشاهده‌ای نصب شده در دشت، ابتدا با کمک روش خوشه‌بندی سلسله مراتبی-وارد 20 چاه مشاهده‌ای محدوده دشت مراغه با طول دوره آماری بیش از 15 سال خوشه‌بندی شد. سپس خوشه با 6 زیرخوشه همگن انتخاب و نماینده هر زیرخوشه تعیین شد. با نویززدایی از داده‌های ورودی با کمک روش موجک، مقادیر سطح آب زیرزمینی با کمک شبکه‌های عصبی مصنوعی (ANN) پیشبینی شد. نتایج نشان داد در نظر گرفتن دمای متوسط هوا باعث اغتشاش شبکه‌های عصبی مصنوعی و شبکه‌های موجک-عصبی شد. هم چنین بر اساس نتایج با در نظر گرفتن تأخیر زمانی متوالی 3 تا 12 ماه در داده‌های ورودی، اختلاف مقادیر پیشبینی شده و واقعی کاهش یافت. کم‌ترین مقدار RMSE و بیش‌ترین مقدار در شبکه WNN به ترتیب 03/0 متر و 999/0 حاصل شد. این مقادیر در شبکه ANN به ترتیب 32/0 متر و 885/0 بود. بنابراین بر اساس نتایج پژوهش حاضر، با نویززدایی از داده‌های ورودی اختلاف مقادیر سطح آب زیرزمینی پیشبینی شده و واقعی به طور متوسط به 11 سانتی‌متر کاهش یافت. | ||
| کلیدواژه‌ها | ||
| تبدیل موجک؛ تراز آب زیرزمینی؛ خوشه‌بندی سلسله مراتبی-وارد؛ دشت مراغه-آذربایجان‌شرقی؛ شبکه‌های موجک-عصبی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,997 تعداد دریافت فایل اصل مقاله: 957 |
||