پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 314 |
| تعداد مقالات | 3,321 |
| تعداد مشاهده مقاله | 3,546,620 |
| تعداد دریافت فایل اصل مقاله | 2,591,251 |
ارزیابی دقت مدل ترکیبی موجک - عصبی فازی، عصبی فازی و موجک در پیش‌بینی سطح آب زیرزمینی (مطالعه موردی: دشت بیرجند) | ||
| آبخوان و قنات | ||
| دوره 5، شماره 2 - شماره پیاپی 9، اسفند 1403، صفحه 139-154 اصل مقاله (963.11 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22077/jaaq.2025.9046.1105 | ||
| نویسندگان | ||
| مهدی دستورانی* 1؛ امیر خیاط2؛ زهرا آخوندی3 | ||
| 1دانشیار گروه علوم و مهندسی آب دانشگاه بیرجند، بیرجند، ایران | ||
| 2دانشجوی دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب،دانشگاه بیرجند، بیرجند، ایران | ||
| 3دانش آموخته کارشناسی ارشد سازه های آبی، دانشگاه زابل، بیرجند، ایران | ||
| چکیده | ||
| در سال‌های اخیر باتوجه‌به مشکل کمبود منابع آبی، مسئله استفاده و مدیریت بهینه این منابع اهمیت خاصی پیدا کرده است. به‌منظور آگاهی از وضعیت این منابع و مدیریت بهینه آنها، لازم است پیش‌بینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. امروزه مدل-های مختلفی در پیش‌بینی نوسانات سطح آب زیرزمینی ارائه شده که می‌توانند به استفادة پایدار از آب‌های زیرزمینی به‌منظور تأمین نیازهای شهری، کشاورزی و صنعتی کمک کنند. ازاین‌رو توجه خاصی به مدل‌های هوشمند شده است که می‌توان به مدل‌های سری زمانی، آنالیز موجک، شبکه‌های عصبی مصنوعی، مدل‌های ماشین بردار پشتیبان و غیره اشاره نمود. در این پژوهش از مدل تلفیقی موجک - عصبی فازی برای پیش‌بینی سطح آب زیرزمینی در دشت بیرجند بهره گرفته شد. در نهایت نتایج به‌دست‌آمده با نتایج مدل موجک و شبکه عصبی فازی مقایسه گردید. داده‌های مورد استفاده در این تحقیق شامل بارندگی، تبخیر، حداکثر درجه‌حرارت، متوسط درجه‌حرارت، حداقل رطوبت و تراز سطح آب زیرزمینی برای تعداد 16 پیزومتر به مدت 18 سال آماری است که به‌صورت ماهیانه اندازه-گیری شده‌اند. نتایج به‌دست‌آمده نشان داد که مدل ترکیبی موجک - عصبی فازی با توجه میزان ضریب میانگین مربعات خطا 19/0 RMSE= و ضریب نش ساتکلیف 95/0 NS= نسبت به سایر مدل‌ها از دقت بالاتری در پیش‌بینی سطح آب زیرزمینی برخوردار است. مدل موجک عصبی فازی به دلیل ترکیب و ادغام ویژگی‌های مفید تبدیل موجک، شبکه‌های عصبی و سیستم‌های فازی، نه‌تنها دقت پیش‌بینی را افزایش می‌دهد بلکه می‌تواند نگرش جامع‌تری به داده‌ها دهد. | ||
| کلیدواژه‌ها | ||
| آنالیز موجک؛ تراز آب زیرزمینی؛ دشت بیرجند؛ شبکه عصبی فازی؛ مدیریت منابع آب | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 67 تعداد دریافت فایل اصل مقاله: 2 |
||
نماد الکترونیک
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب