این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۹، شماره ۱۸، صفحات ۰-۰
عنوان فارسی ارزیابی ترکیب ANFISبا تبدیل موجک برای مدلسازی و پیش بینی سطح آب زیرزمینی
چکیده فارسی مقاله یکی از فاکتورهای مهم در مدیریت صحیح در هر زمینه­ای داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه است. در مدیریت منابع آب  و محیط زیست این امر مستثنی نبوده و آگاهی از وضعیت منابع آب در یک منطقه نقش تعیین کننده­ای در برنامه­ریزی­های آبی و کشاورزی آن دارد. در این تحقیق از مدل سیستم استنتاج فازی عصبی تطبیقی (ANFIS) برای پیش­بینی ماهانه سطح آب زیرزمینی حوضه دالکی در استان بوشهر در یک دوره 12 ساله (1392-1381) استفاده شد. به منظور بهبود نتایج این مدل، از تبدیل موجک استفاده شد و سیگنال اصلی به زیرسیگنال­هایی  تجزیه شد و به عنوان ورودی به مدل ANFIS وارد شد تا مدل ترکیبی سیستم استنتاج فازی عصبی تطبیقی-موجک (WANFIS) حاصل گردید. برای پیش­بینی سطح آب زیرزمینی از 5 چاه مشاهده­ای با متغیرهای رقوم سطح آب زیرزمینی، بارش، تبخیر و دما استفاده شد. نتایج بیانگر این بود که مدل ترکیبی WANFIS دارای عملکرد بهتری از مدل ANFIS بوده است. همچنین مشاهده شد که مدل ترکیبی در برآورد نقاط حدی عملکرد بهتری داشته است. به طور کلی این شیوه استفاده از نظریه موجک باعث افزایش عملکرد تا 14درصد شده است. در پایان سطح آب زیرزمینی برای یک سال آتی با مدل برتر برآورد گردید. نتایج حاصل از پیش­بینی سطح آب زیرزمینی حاکی از افزایش عمق دسترسی به آب زیرزمینی در منطقه دالکی داشته  است. و این مسئله با توجه به اثراتی که بر روی منابع آب و محیط زیست منطقه دارد به عنوان یک هشدار برای مسئولین منطقه مطرح می­باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Evaluation of Combined ANFIS with Wavelet Transform to Modeling and Forecasting Groundwater Level
چکیده انگلیسی مقاله One of the most important factors, in a good management in any field, is having a proper perspective of the upcoming events. There is no exception in water resources management and the environment and awareness of the condition of water resources, in an area, plays a decisive role for planning water and agriculture. In this study, the Adaptive Neural Fuzzy Inference System (ANFIS) was used for the monthly forecast of Dalaki Basin groundwater levels in the province Bushehr in a 12-year period (2002- 2013). In order to improve the results of the model, the wavelet transform was used and the original signal was decomposed to sub-signals. Then, sub-signals were entered, as input, into ANFIS model to obtain the hybrid model, Wavelet-Adaptive Neural Fuzzy Inference System (WANFIS). To forecast the groundwater level of five observed wells has been used, using groundwater levels, precipitation, evaporation, and temperature. Results showed that hybrid model, WANFIS, has better performance than ANFIS model. Also, it was showed that hybrid model has better performance in estimate extreme points. So, this method, using wavelet theory, increased the performance by 14%. At the end, groundwater levels were estimated by the best model in a year. The results of the predicted groundwater levels showed that the increase of having access to groundwater in the Dalaki area. This problem is noted to authorities of the area regarding the effects on water resources and the environment of the area.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی اسکندری | Ali Eskandari
Islamic Azad University of Bushehr
دانشگاه آزاد اسلامی واحد بوشهر

فرشاد فرامرزیان یاسوج | Farshad Faramarzyan yasuj
Shahid Chamran University of Ahvaz
دانشگاه شهید چمران اهواز

اباذر سِلگی | Abazar Solgi
Shahid Chamran University of Ahvaz
دانشگاه شهید چمران اهواز

حیدر زارعی | Heidar Zarei
Shahid Chamran University of Ahvaz
دانشگاه شهید چمران اهواز

نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-926-2&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مدیریت حوزه های آبخیز
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات