شماره ركورد :
1244461
عنوان مقاله :
شبيه‌سازي پارامترهاي شوري و سطح آب زيرزميني دشت رامهرمز با استفاده از مدل شبكه عصبي مصنوعي و مدل شبكه عصبي مصنوعي بهينه شده
پديد آورندگان :
كريميان ، عليرضا دانشگاه آزاد اسلامي واحد اهواز - گروه مهندسي عمران , اگدرنژاد ، اصلان دانشگاه آزاد اسلامي واحد اهواز - گروه علوم و مهندسي آب
از صفحه :
17
تا صفحه :
26
كليدواژه :
سطح آب زيرزمينى , شبيه سازى , شورى آب زيرزمينى , مدل شبكه عصبى مصنوعى
چكيده فارسي :
زمينه و هدف: مدل سازي آب هاي زيرزميني به دليل كارايي بالا و هزينه هاي كم تر نسبت به روش هاي ديگر، به عنوان ابزار مديريتي منابع آب مورد توجه قرار گرفته است. در اين راستا تعداد زيادي مدل در زمينه مديريت بهتر براي حفظ منابع آب گسترش يافته است. بيشتر اين مدل‌ها نيازمند پارامترهاي ورودي هستند كه يا دسترسي به آن ها مشكل است و يا اينكه اندازه‌گيري آن ها محتاج صرف هزينه و زمان زيادي مي‌باشد. در اين ميان مدل‌هاي شبكه عصبي مصنوعي كه با الهام از ساختار مغز بشر عمل مي‌نمايند، به‌عنوان گزينه‌اي برتر معرفي مي‌شوند. مطالعه حاضر با هدف شبيه سازي پارامترهاي شوري و سطح آب زيرزميني دشت رامهرمز انجام شد.مواد و روش ها: پژوهش حاضر به منظور شبيه‌سازي پارامترهاي سطح آب زيرزميني و شوري آب زيرزميني دشت رامهرمز با استفاده از مدل‌ شبكه عصبي مصنوعي و مدل شبكه عصبي مصنوعي بهينه شده و در نهايت مقايسه نتايج آن‌ها با داده‌هاي اندازه‌گيري شده، انجام گرفت. اطلاعات جمع آوري شده براي ورودي به دو مدل هاشامل بارندگي، حداقل دما، حداكثر دما، ميانگين دما، حداقل رطوبت نسبي، حداكثر رطوبت نسبي، ميانگين رطوبت نسبي، سرعت باد در ارتفاع 2 متري و مجموع ساعات آفتابي طي سال هاي 1390 تا 1396 بود.يافته ها: بر اساس نتايج، بالاترين دقت پيش‌بيني پارامترهاي سطح آب زيرزميني و شوري آب زيرزميني مربوط به مدل ANN+PSO با تابع محرك تانژانت سيگموئيدي بود؛ به‌طوري كه مقدار آماره‌هاي جذر ميانگين مربعات خطا و ميانگين خطا مطلق كمترين مقدار و ضريب تعيين بيشترين مقدار را براي مدل مذكور داشت.نتيجه گيري: با توجه به كارايي بالاي مدل شبكه عصبي مصنوعي با آموزش الگوريتم بهينه‌‌سازي تجمع ذرات، مي‌توان از اين مدل جهت اتخاذ تصميمات مديريتي و حصول اطمينان از نتايج پايش و كاهش هزينه استفاده كرد.
عنوان نشريه :
پژوهش در بهداشت محيط
عنوان نشريه :
پژوهش در بهداشت محيط
لينک به اين مدرک :
بازگشت