این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران و محیط زیست دانشگاه تبریز، جلد ۵۰، شماره ۹۸، صفحات ۹-۱۹
عنوان فارسی کاربرد منطق فازی و نظریه موجک در برآورد تراز آب زیرزمینی با استفاده از شاخص‌های انسو
چکیده فارسی مقاله مدل‌سازی آب‌های زیرزمینی در مناطق گرم و خشک به‌ دلیل برداشت بی‌رویه، از اهمیت ویژه‌ای برخوردار است. در این مطالعه به بررسی روش­های مختلف هوشمند عصبی شامل شبکه عصبی مصنوعی، روش عصبی- فازی، عصبی- موجک و عصبی- فازی- موجک در برآورد تراز آب زیرزمینی پرداخته شد. بدین منظور کاربرد شاخص‌های مختلف انسو در برآورد تراز آب زیرزمینی فصلی 11 چاه پیزومتری استان هرمزگان طی سال‌های 1369 تا 1392 مورد توجه قرار گرفت. نتایج نشان داد که شاخص اقیانوس آرام آمریکای شمالی (PNA) بیش­ترین همبستگی را با تغییرات تراز آب زیرزمینی داشت. اجرای ساختارهای مختلف به تفکیک چهار فصل نشان داد، دقت پیش‌بینی تراز آب زیرزمینی فصل تابستان بیش از سایر فصول بود. بر اساس نتایج بهترین ساختار در پیش‌بینی تراز آب زیرزمینی فصل تابستان، مقدار آماره‌های خطاسنجی مجذور میانگین مربعات خطای نرمال، 014/0 با ضریب همبستگی 986/0 بود که 093/0 متر بیش‌برآورد داشت. از طرفی، برتری روش عصبی- موجک در برآورد تراز آب زیرزمینی فصل‌های بهار، تابستان و زمستان نسبت به سایر روش‌ها، مشاهده گردید. لیکن در فصل پاییز، روش عصبی- فازی- موجک مناسب‌تر از روش‌های دیگر عمل نمود.
کلیدواژه‌های فارسی مقاله عصبی، فازی، موجک، PNA، تراز آب زیرزمینی،
عنوان انگلیسی Application of Fuzzy Logic and Wavelet Transform In Estimation of Ground Water Level Using ENSO Indexes
چکیده انگلیسی مقاله Due to excessive withdrawal of groundwater, it's modeling in warm and arid regions are of very importance. Prediction of groundwater is important from different aspects of water resource management. In current years, the application of intelligent models in simulation has good results because of simplicity and high accuracy. Based on the previous studies, tin more investigations were used weather and hydrogeology parameters as input in intelligent models. While the effect of the ENSO phenomenon on climate and hydrology and hydrogeology was evaluated. The purpose of present study was an evaluation of intelligent models including artificial neural network (ANN) and co-active neuro-fuzzy inference system (CANFIS), wavelet transform combined with ANN (WANN) and WCANFIS models in forecasting groundwater level base on ENSO indexes.
کلیدواژه‌های انگلیسی مقاله عصبی, فازی, موجک, PNA, تراز آب زیرزمینی
نویسندگان مقاله مریم بیات ورکشی |
دانشکده کشاورزی، دانشگاه ملایر

پریسا قیصری |
دانشکده کشاورزی، دانشگاه ملایر

وحید ورشاویان |
دانشکده کشاورزی، دانشگاه بوعلی سینا

نشانی اینترنتی https://ceej.tabrizu.ac.ir/article_11123_a8785bf0d609ea2f8f8981d5a1ce50bb.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات