این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۷، شماره ۱۳، صفحات ۱۱۸-۱۰۴
عنوان فارسی پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی
چکیده فارسی مقاله پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. برای انجام این پیش­بینی، از روش­های متعددی مانند روش­های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می­توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی RBF هیبرید برای پیش­بینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه RBF پایه می­شود. بدین منظور آمار ماهانه تراز ایستابی دشت شاهرود و هم­چنین داده­های هواشناسی مانند دما، بارندگی، رطوبت و تبخیر، داده­های آب­های سطحی مانند دبی ورودی و خروجی به دشت شاهرود (دبی ورودی مجن آبشار، دبی ورودی تاش فرحزاد و دبی خروجی قلعه نو) طی یک دوره آماری 1994 تا 2010 استفاده شده است. بررسی داده­ها نشان می­دهد که برخی از داده­ها، هم­بسته بوده و دارای الگوی فصلی هستند، این مسأله، پیش­بینی داده­ها را دشوار می­کند. بر این اساس، روش ارائه شده در این مقاله شامل مراحل غیرفصلی سازی، نرمال­سازی و حذف داده­های وابسته است که پیش از این به آن در تحقیقات پرداخته نشده است. سپس از 85 درصد داده­ها برای آموزش و از 15 درصد آنها، برای تست مدل استفاده شده است. در نهایت، بررسی نتایج نشان می­دهد که مدل شبکه عصبی ارائه شده، تراز آب دشت شاهرود را برای سه سال پیاپی با میانگین مربعات خطای 0257/0 ­متر برای سال اول، 0270/0 متر در سال دوم و 0452/0 متر در سال سوم می­تواند پیش­بینی کند. همچنین در صورتی که بارش منطقه در یک سال، 30 درصد کاهش یابد، نتایج پیش­بینی مدل مذکور نشان می­دهد که تراز آب زیرزمینی 7/0 کاهش می­یابد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Groundwater Level Prediction of Shahrood Plain using RBF Neural Networks
چکیده انگلیسی مقاله Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluctuations for 16 successive years 1994 to 2010, have been used and also, weather forecasting parameters for 16 successive years from 1994 to 2010 have used. This study indicates that some of the data are correlated an possesed a seasonal pattern. This issue makes difficult the forecasting process. Hence, the proposed method employed policies for non season analyzing, normalizing, and ignoring the correlated date. 85% of the data for train and the rest for testing the proposed neural networks model have used. Results indicate that the proposed method can predict groundwater level of Shahrood Plain for three successive years with the mean square errors of 0.0257m, 0.0270m and 0.0452m. Also, the prediction shows that if the precipitation decreases 30 percent in a year, the groundwater level will decrease 0.7 m.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فرزانه اکبرزاده |


حمید حسن پور |


صمد امامقلی زاده |


نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-130&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1495/article-1495-251533.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات