دانشگاه تبریز
فهرست نشریات دارای اعتبار وزارت علوم، تحقیقات و فناوری
پایگاه استنادی علوم جهان اسلام (ISC)

 آمار

تعداد نشریات45
تعداد شماره‌ها1,389
تعداد مقالات17,009
تعداد مشاهده مقاله54,764,873
تعداد دریافت فایل اصل مقاله17,313,703
دل ناز, عاطفه, رخشنده‌رو, غلامرضا, نیکو, محمد رضا. (1396). کارایی مدل GRNN در قیاس با مدل‌های ANN و RBF در تخمین پارامترهای آبخوان محبوس. سامانه مدیریت نشریات علمی, 2(1), 102-117. doi: 10.22034/hydro.2017.5475
عاطفه دل ناز; غلامرضا رخشنده‌رو; محمد رضا نیکو. "کارایی مدل GRNN در قیاس با مدل‌های ANN و RBF در تخمین پارامترهای آبخوان محبوس". سامانه مدیریت نشریات علمی, 2, 1, 1396, 102-117. doi: 10.22034/hydro.2017.5475
دل ناز, عاطفه, رخشنده‌رو, غلامرضا, نیکو, محمد رضا. (1396). 'کارایی مدل GRNN در قیاس با مدل‌های ANN و RBF در تخمین پارامترهای آبخوان محبوس', سامانه مدیریت نشریات علمی, 2(1), pp. 102-117. doi: 10.22034/hydro.2017.5475
دل ناز, عاطفه, رخشنده‌رو, غلامرضا, نیکو, محمد رضا. کارایی مدل GRNN در قیاس با مدل‌های ANN و RBF در تخمین پارامترهای آبخوان محبوس. سامانه مدیریت نشریات علمی, 1396; 2(1): 102-117. doi: 10.22034/hydro.2017.5475

کارایی مدل GRNN در قیاس با مدل‌های ANN و RBF در تخمین پارامترهای آبخوان محبوس

هیدروژئولوژی
مقاله 24، دوره 2، شماره 1، شهریور 1396، صفحه 102-117    اصل مقاله (1.71 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22034/hydro.2017.5475
نویسندگان
عاطفه دل ناز1؛ غلامرضا رخشنده‌رو2؛ محمد رضا نیکو* 3
1دانشجوی کارشناسی ارشد سازه‌های هیدرولیکی، بخش مهندسی عمران و محیط‌زیست، دانشکده مهندسی، دانشگاه شیراز
2استاد بخش مهندسی عمران و محیط‌زیست، دانشکده‌ مهندسی، دانشگاه شیراز
3استادیار بخش مهندسی عمران و محیط زیست دانشکده مهندسی دانشگاه شیراز
چکیده
برای مدیریت صحیح منابع آب زیرزمینی، تخمین دقیقی از پارامترهای آبخوان لازم است. در این تحقیق، چندین مدل هوش مصنوعی شاملANN، GRNN و RBF به‌منظور تخمین پارامترهای هیدرولیکی یک آبخوان محبوس تدوین شده­ است. یکی از دلایل استفاده از مدل­های هوش مصنوعی در پیش­بینی پارامترهای آبخوان، قابلیت انعطاف­پذیری بالای این مدل­ها، در حل مسائل غیرخطی می­باشد. به‌منظور به‌کارگیری این مدل­ها، پس از جمع­آوری داده­های مربوط به آزمایش پمپاژ و کاهش بعد داده­ها با روش آنالیز مؤلفه­های اصلی، به آموزش و آزمایش مدل­های هوش مصنوعی مختلف پرداخته­ شده است. اگر خطای تابع چاه که متغیر خروجی مدل­های هوش مصنوعی است، در حد قابل قبول باشد، مقادیر پارامترهای آبخوان به­دست آورده می­شود. مدل­های مذکور بر روی داده­های یک آزمایش پمپاژ در آبخوان محبوس آزمایش و نتایج آن­ها با نتایج روش گرافیکی منحنی تایس مورد مقایسه قرار گرفته است. با قیاس چندین شاخص خطای آماری برمبنای نتایج مدل­های هوش مصنوعی پیشنهادی و حل گرافیکی مدل تایس، عملکرد مدل­های مذکور، بررسی گردیده ­است. به‌عنوان مثال، میانگین قدر مطلق خطای نسبی در تخمین پارامترهای آبخوان برای مدل ANN و روش گرافیکی منحنی تایس، به ترتیب 5564/0 و 1320/1 درصد بوده است. همچنین در مقایسه مدل­های مختلف هوش مصنوعی به کار گرفته شده، مدل GRNN از دقت مطلوب و مدت زمان محاسباتی کمتری در تخمین پارامترهای آبخوان برخوردار است و می­تواند به عنوان مدل برتر در تخمین پارامترهای آبخوان، برگزیده شود.
کلیدواژه‌ها
آزمایش پمپاژ؛ تخمین پارامترهای آبخوان؛ شبکه عصبی مصنوعی؛ شبکه‌های عصبی رگرسیونی تعمیم داده‌شده؛ مدل‌های هوش مصنوعی
مراجع
آمار
تعداد مشاهده مقاله: 1,233
تعداد دریافت فایل اصل مقاله: 737


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب