تحقیقات کاربردی علوم جغرافیایی، جلد ۱۸، شماره ۴۸، صفحات ۰-۰
عنوان فارسی مقایسه مدل‌ عددی، روش‌های هوشمند عصبی و زمین آمار در تخمین سطح آب زیرزمینی
چکیده فارسی مقاله مطالعه و تجزیه و تحلیل کمی آب‌های زیرزمینی به‌دلیل پیچیدگی فرآیندهای حاکم بر این منابع، دشوار و وقت‌گیر می‌باشد. مدل‌سازی به‌عنوان روشی کارآمد با کم­ترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم می‌نماید. هدف این تحقیق مقایسه مدل عددی، روش­های هوشمند عصبی و زمین آمار در مدل‌سازی تغییرات سطح آب زیرزمینی می‌باشد. بدین منظور اطلاعات آبخوان دشت همدان – بهار به‌عنوان یکی از مهم‌ترین منابع تامین آب منطقه، مورد مطالعه قرار گرفت. در این پژوهش از کد عددی MODFLOW در نرم­افزار GMS، شبکه عصبی مصنوعی و روش عصبی - فازی در نرم‌افزارNeuroSolution ، روش عصبی – موجک در نرم­افزار MATLAB و روش زمین آمار در نرم‌افزار ArcGIS استفاده گردید. مقایسه نتایج نشان داد که دقت روش‌های برآورد سطح آب زیرزمینی بر حسب کم­ترین آماره مجذور میانگین مربعات خطای نرمال (NRMSE)، به‌ترتیب به روش عصبی - موجک، عصبی – فازی، زمین آمار، شبکه عصبی مصنوعی و مدل عددی تعلق داشت. به‌طوری که مقدار آماره NRMSE در روش عصبی - موجک به‌عنوان روش بهینه، برابر 0/11 درصد و در روش مدل عددی برابر 2/2 درصد بدست آمد. مقدار ضریب همسبتگی روش‌های فوق به‌ترتیب 0/998 و 0/904 بود. بنابراین می‌توان کاربرد روش­‌های عصبی ترکیبی به‌ویژه نظریه موجک را در برآورد سطح آب زیرزمینی مناسب‌تر از روش زمین آمار و مدل عددی دانست. ضمن آن‌که در روش­‌های هوشمند عصبی از متغیرهای زودیافت طول و عرض جغرافیایی و ارتفاع از سطح دریا به‌عنوان بردار اطلاعات ورودی استفاده شده بود.
کلیدواژه‌های فارسی مقاله مدل عددی، عصبی – موجک، عصبی - فازی، زمین آمار، سطح آب زیرزمینی.
عنوان انگلیسی Comparison of numerical model, neural intelligent and GeoStatistical in estimating groundwater table
چکیده انگلیسی مقاله Study and analysis of groundwater due to the complexity are difficult and time consuming. Modeling as an efficient method with the lowest cost provides studding of groundwater managers. The purpose of this study was comparison of the numerical model, neural intelligent and GeoStatistical in groundwater table changes modeling. The information of Hamedan – Bahar aquifer as one of the most important water sources in Hamedan province, was studied. In this study, MODFLOW numerical code in GMS software, artificial neural network (ANN) and neural – fuzzy (CANFIS) method in NeuroSolution software, wavelet- neural method in MATLAB software and GeoStatistical method in ArcGIS software were used. The results showed that the accuracy of methods in estimation of the groundwater table with the lowest Normal Root Mean Square Error (NRMSE) include Wavelet-ANN, CANFIS, GeoStatistical, ANN and numerical model, respectively. The NRMSE value in Wavelet-ANN method as optimization method was 0.11 % and in numerical model was 2.2 %. Also the correlation coefficients were 0.998 and 0.904, respectively. So, application of neural combination models, specially, wavelet theory in estimated the groundwater table is most suitable than GeoStatistical and numerical model. Moreover, in the neural intelligent models were applied latitude, longitude and altitude as available variables in input models.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم بیات ورکشی | Maryam Bayatvarkeshi
malayer university
دانشگاه ملایر

روژین فصیحی | Rojin Fasihi
malayer university
دانشگاه ملایر

نشانی اینترنتی http://jgs.khu.ac.ir/browse.php?a_code=A-10-3530-1&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 تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات