مدل سازی آب زیرزمینی با استفاده از روش های هوش مصنوعی (مطالعه موردی: دشت دزفول-اندیمشک)
زمینه و هدف:
آب زیرزمینی یک منبع مهم آب در جهان به شمار می رود و مطالعه سطح آب زیرزمینی و شوری آب ریرزمینی برای حفاظت و برنامه ریزی در خصوص منابع آب، به خصوص در مناطق خشک و نیمه خشک مانند ایران اهمیت به سزایی دارد. انجام آزمایش های کمی و کیفی، زمان بر و پرهزینه است. بنابراین، استفاده از مدل ها برای شبیه سازی کمیت وکیفیت آب زیرزمینی متداول شده است. در دهه های اخیر به سبب پیچیدگی و خصوصیات غیر خطی سیستم-های آب زیرزمینی، مد ل های هوش مصنوعی برای شبیه سازی آبخوان ها مورد آزمایش قرار گرفته اند.
پژوهش حاضر به منظور شبیه سازی پارامترهای سطح آب زیرزمینی و شوری آب زیرزمینی دشت دزفول- اندیمشک با استفاده از مدل های ANN و ANN+GA و درنهایت مقایسه نتایج آن ها با داده های اندازه گیری شده ، انجام گرفته است. اطلاعات جمع آوری شده برای ورودی به دو مدل شامل داده های هواشناسی و پارامترهای کیفی آب زیرزمینی طی سال های 1390 تا 1397 به صورت ماهانه از 76 چاه می باشد.
نتایج نشان داد، مدل بهینه برای شبیه سازی سطح آب زیرزمینی ANN+GA با تابع محرک تانژانت سیگمویید و مدل بهینه برای شبیه سازی شوری آب زیرزمینی ANN+GA با تابع محرک لگاریتم سیگمویید می باشد. به طوریکه مقدار آماره های RMSE و MAE کمترین مقدار و بیشترین مقدار را برای مدل های مذکور دارد (در مرحله آزمون، برای پارامتر سطح آب زیرزمینی مقدار 47/7RMSE=، 5/9 MAE=و 979/0= R2 و برای پارامتر شوری آب زیرزمینی مقدار 8/6RMSE=، 47/7 MAE= و 99/0= R2محاسبه گردید).
بنابراین بهینه سازی مدل شبکه عصبی مصنوعی با استفاده از الگوریتم ژنتیک بسیار مفید، موثر و همچنین باعث کاهش خطا و صرفه جویی در زمان و هزینه می گردد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.