پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 314 |
| تعداد مقالات | 3,321 |
| تعداد مشاهده مقاله | 3,546,616 |
| تعداد دریافت فایل اصل مقاله | 2,591,250 |
ارزیابی مدلهای فراابتکاری در تحلیل سطح آب زیرزمینی دشت دلفان لرستان | ||
| آبخوان و قنات | ||
| دوره 5، شماره 2 - شماره پیاپی 9، اسفند 1403، صفحه 79-98 اصل مقاله (1.5 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22077/jaaq.2025.8834.1096 | ||
| نویسندگان | ||
| ابراهیم نوحانی1؛ حمیدرضا باباعلی* 2؛ رضا دهقانی3 | ||
| 1استادیارگروه عمران، مرکز تحقیقات مواد و انرژی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران | ||
| 2دانشیار، گروه مهندسی عمران، دانشگاه ازاد واحد خرم اباد، خرم آباد، ایران | ||
| 3دکتری علوم و مهندسی آب، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران. | ||
| چکیده | ||
| آب زیرزمینی اغلب یکی از منابع طبیعی مهم تأمین آب شیرین، به ویژه در مناطق خشک و نیمه‌خشک است و از اهمیت بالایی برخوردار است. این مطالعه یک تکنیک جدید و بسیار دقیق برای پیش‌بینی سطح آب زیرزمینی ارائه می‌دهد. در این تحقیق، از مدل هوشمند ترکیبی مبتنی بر رویکرد مدل شبکه عصبی مصنوعی برای پیش‌بینی سطح آب زیرزمینی توسعه داده‌شده است. بدین منظور در این پژوهش از سه الگوریتم بهینه‌سازی شامل موجک، نهنگ و ازدحام ذرات برای مدلسازی سطح آب زیرزمینی بکار برده شد. جهت مدلسازی از آمار و اطلاعات چاههای پیزومتری شهرستان دلفان واقع در استان لرستان بعنوان مطالعه موردی طی 4 سناریو ترکیبی از پارامترهای ورودی در سالهای 1392 تا 1402 استفاده شد. به‌منظور ارزیابی عملکرد مدلها از معیارهای ارزیابی ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. همچنین جهت تحلیل نتایج مدلها از نمودار سری زمانی و تیلور استفاده شد. نتایج نشان داد سناریوهای ترکیبی در مدلهای موردبررسی باعث بهبود عملکرد مدل می‌شود. همچنین نتایج حاصل از معیار ارزیابی نشان داد مدل شبکه عصبی مصنوعی-موجک (ضریب همبستگی962-951/0 ، ریشه میانگین مربعات خطا (m)224-436/0 ، میانگین قدر مطلق خطا (m) 215-375/0 و ضریب نش ساتکلیف 960-970/0) نسبت به سایر مدلهای مورد بررسی از عملکرد بهتری برخوردار است. درمجموع نتایج نشان داد استفاده از مدلهای هوشمند مبتنی بر رویکرد شبکه عصبی مصنوعی می‌تواند گامی مؤثر در جلوگیری از کاهش سطح آب زیرزمینی و پدیده فرونشست باشد. | ||
| کلیدواژه‌ها | ||
| دلفان؛ سطح آب زیرزمینی؛ شبکه عصبی مصنوعی؛ مدلسازی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 95 تعداد دریافت فایل اصل مقاله: 2 |
||
نماد الکترونیک
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب