آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 922 |
| تعداد مقالات | 11,031 |
| تعداد مشاهده مقاله | 11,615,559 |
| تعداد دریافت فایل اصل مقاله | 10,671,591 |
بهینه‌یابی شبکه پایش سطح آب زیرزمینی در آبخوان ارومیه با استفاده از نقشه خود سازمانده | ||
| دانش آب و خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 01 تیر 1400 | ||
| نویسندگان | ||
محمد نخعی   1؛ وهاب امیری2؛ مرضیه امیری3
| ||
| 1دانشگاه خوارزمی | ||
| 2گروه زمین‌شناسی، پردیس علوم، دانشگاه یزد | ||
| 3گروخ زمین شناسی کاربردی، دانشکده علوم زمین، دانشگاه خوارزمی | ||
| چکیده | ||
| در این مطالعه از روش نوین نقشه‌های خودسازمانده (SOM) برای خوشه‌بندی پیزومترهای موجود در آبخوان ارومیه و شناسایی پیزومترهایی با رفتار مشابه و به عبارتی دیگر، تعیین شبکه پایش بهینه در این آبخوان استفاده شد. به این منظور، ابتدا به نرمال‌سازی داده‌های ماهیانه تراز آب زیرزمینی در یک بازه 13 ساله (1381-1394) پرداخته شد و سپس الگوریتم خوشه‌بندی غیرسلسله مراتبی K-means برای تعیین تعداد خوشه‌های بهینه مورد استفاده قرار گرفت. در ادامه به کمک مدل SOM که از پرکاربردترین مدل‌های شبکه عصبی در خوشه‌بندی است؛ عملیات پیش‌پردازش مکانی جهت خوشه‌بندی مکانی پیزومترها انجام شد و نتایج خوشه‌بندی با استفاده از نقشه هم عمق سطح آب زیرزمینی مورد بررسی قرار گرفت. پیزومترهای نماینده هر خوشه از طریق به کارگیری فاصله اقلیدسی پیزومترها از یکدیگر تعیین شد. با توجه به نتایج خوشه‌بندی و سازگاری بسیار مناسب آن با تغییرات سطح آب زیرزمینی در محل هر پیزومتر، باید عنوان نمود که الگوریتم خوشه‌بندی SOM از قابلیت بالایی برای خوشه‌بندی برخوردار است. این نوع شبکه عصبی قادر به کشف الگوهای مناسبی از داده‌ها است که می‌تواند به شناسایی ویژگی‌های اعضاء هر خوشه کمک کند. بنابراین، به نظر می‌رسد از الگوریتم خوشه بندی SOM می‌توان در تحلیل رفتار کمی آبخوان (تغییرات تراز آب زیرزمینی) و یافتن پیزومترهای نماینده معدود استفاده کرده و به این ترتیب امکان ارزیابی قابل قبول رفتار آبخوان در زمان کمی و با صرف کمترین هزینه فراهم آورد. | ||
| کلیدواژه‌ها | ||
| آب زیرزمینی؛ خوشه‌بندی؛ شبکه عصبی؛ میانگین K؛ خودسازمانده | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 55 |
||
