• شبیه سازی تراز آب زیرزمینی با استفاده از مدل های فازی عصبی و مقایسه آن با مدل های سری زمانی (مطالعه موردی: دشت جم)

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/01/01
    • تاریخ انتشار در تی پی بین: 1393/01/01
    • تعداد بازدید: 801
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    در این تحقیق از شبکه های فازی عصبی-تطبیقی که ابزاری نیرومند برای شبیه سازی فرآیندهای غیر خطی است و همچنین از مدل های آماری کلاسیک سری های نایستا (arma) استفاده شده است. پتانسیل شبکه های فازی عصبی تطبیقی در مقایسه با مدل های آماری برای پیش بینی سری های زمانی هیدروژئولوژیکی مورد ارزیابی قرار گرفته است. جهت حصول به آمار مناسب، آمار ماهانه بارندگی، دما، تبخیر و نوسانات سطح آب زیر زمینی، واقع در دشت جم گردآوری شده و در مدل های شبکه های فازی عصبی- تطبیقی و مدل های سری زمانی خورند گردیده است. این تحقیق از طریق شبکه های فازی عصبی- تطبیقی و سری های زمانی دو هدف را دنبال می کند، که شامل تعیین پارامترهای موثر بر نوسانات سطح آب زیرزمینی و سپس مدل سازی نوسانات سطح آب زیرزمینی در دشت مورد مطالعه می باشد که بهترین مدل سازی نوسانات سطح آب با مدل شبکه فازی عصبی- تطبیقی الگوی: {بارش(pt, pt-1) ، تراز آب زیرزمینی {(gt, gt-1, gt-2) می باشد. همچنین سری های زمانی سطح آب زیرزمینی در دشت ها به عنوان فرآیندهای استوکستیکی مورد مدلسازی قرارداده شده اند و در نهایت مناسب ترین مدلهای سری زمانی و نروفازی از طریق معیارهای ارزیابی مورد نظر ما مشخص شده اند. معیار ارزیابی جهت انتخاب مدل برتر بین 2 مدل سری زمانی و شبکه های فازی عصبی- تطبیقی، ضریب همبستگی(r2)  و مجذور میانگین مربعات خطا (rmse) می باشد. نتایج این تحقیق نشان می دهد که شبکه های فازی عصبی-تطبیقی توانایی بالاتری را در شبیه سازی تراز آب زیرزمینی را در مقیاس ماهانه در دشت جم دارد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها