|
|
|
|
مقایسه ی مدل استنتاج فازی و شبکه ی عصبی مصنوعی در برآورد عمق سنگ کف آبخوان
|
|
|
|
|
|
|
|
نویسنده
|
سیوکی خاشعی عباس ,مقدم کاردان حمید
|
|
منبع
|
جغرافيا و توسعه - 1395 - دوره : 14 - شماره : 43 - صفحه:159 -170
|
|
|
|
|
چکیده
|
آب زیرزمینی یکی از مهمترین منابع آب در مناطق خشک و نیمه‌خشک است. با توجه به کاهش سطح آب زیرزمینی بر اثر برداشت غیرمجاز در بیشتر دشت‌های ایران، دبی چاهها پس از مدت کوتاهی به میزان زیادی کاهش یافته و این مهم لزوم برنامه‌ریزی منابع اب را مورد توجه قرار می دهد. تعیین ضخامت آبرفت و نوع مصالح تشکیل‌دهنده‌ی آبخوان‌ها یکی از موارد ضروری جهت برنامه‌ریزی برای توسعه‌ی شهر و طراحی زیرساخت‌های آن می‌باشد. با توجه به اهمیّت عمق برآورد سنگ کف آبخوان‌ها جهت برآورد حجم و برنامه‌ریزی منابع آب در این تحقیق کارایی مدل‌های شبکه‌ی عصبی مصنوعی و سیستم‌های استنتاج فازی عصبی در میزان عمق سنگ کف و پهنه‌بندی آن در بخش‌های مختلف آبخوان مورد بررسی قرار گرفت. در این تحقیق از پارامترهای طول و عرض جغرافیایی، شوری، تراز سطح آب و زمین به عنوان ورودی‌ها استفاده شد و تلاش شد تا مدل مناسب برای پیش‌بینی سنگ کف تعیین گردد. نتایج این مطالعه نشان داد که مدل شبکه‌ی عصبی مصنوعی با ضریب تبیین 835/0 و میانگین مجذور خطای 88/49 متر با ورودی‌های تراز آب زیرزمینی، طول و عرض جغرافیایی دقت بالاتری نسبت به مدل‌های نروفازی در برآورد عمق سنگ بستر دارد.
|
|
کلیدواژه
|
ضخامت آبرفت ,شبکه‌ی عصبی مصنوعی ,عمق سنگ کف ,استنتاج فازی عصبی ,پیش‌بینی ,Aquifer Thickness ,Artificial Neural Network ,Bed Rock ,A Neural Fuzzy Inference System ,Prediction
|
|
آدرس
|
دانشگاه بیرجند, استادیار, ایران, دانشگاه تهران, دانشجوی دکتری, ایران
|
|
پست الکترونیکی
|
hkardan@ut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|