>
Fa   |   Ar   |   En
   پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی  
   
نویسنده اکبرزاده فرزانه ,حسن پور حمید ,امامقلی زاده صمد
منبع پژوهشنامه مديريت حوزه آبخيز - 1395 - دوره : 7 - شماره : 13 - صفحه:104 -118
چکیده    پیش بینی تراز آب زیرزمینی به منظور مدیریت و برنامه ریزی منابع آب، بسیار مهم است. برای انجام این پیش بینی، از روش های متعددی مانند روش های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیش بینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه rbf پایه می شود. بدین منظور آمار ماهانه تراز ایستابی دشت شاهرود و هم چنین داده های هواشناسی مانند دما، بارندگی، رطوبت و تبخیر، داده های آب های سطحی مانند دبی ورودی و خروجی به دشت شاهرود (دبی ورودی مجن آبشار، دبی ورودی تاش فرحزاد و دبی خروجی قلعه نو) طی یک دوره آماری 1994 تا 2010 استفاده شده است. بررسی داده ها نشان می دهد که برخی از داده ها، هم بسته بوده و دارای الگوی فصلی هستند، این مساله، پیش بینی داده ها را دشوار می کند. بر این اساس، روش ارائه شده در این مقاله شامل مراحل غیرفصلی سازی، نرمال سازی و حذف داده های وابسته است که پیش از این به آن در تحقیقات پرداخته نشده است. سپس از 85 درصد داده ها برای آموزش و از 15 درصد آنها، برای تست مدل استفاده شده است. در نهایت، بررسی نتایج نشان می دهد که مدل شبکه عصبی ارائه شده، تراز آب دشت شاهرود را برای سه سال پیاپی با میانگین مربعات خطای 0257/0 متر برای سال اول، 0270/0 متر در سال دوم و 0452/0 متر در سال سوم می تواند پیش بینی کند. همچنین در صورتی که بارش منطقه در یک سال، 30 درصد کاهش یابد، نتایج پیش بینی مدل مذکور نشان می دهد که تراز آب زیرزمینی 7/0 کاهش می یابد.
کلیدواژه تراز آب زیرزمینی، دشت شاهرود، مدل شبکه عصبی مصنوعی Rbf، داده فصلی
آدرس دانشگاه صنعتی شاهرود, ایران, دانشگاه صنعتی شاهرود, ایران, دانشگاه صنعتی شاهرود, ایران
 
   Groundwater Level Prediction of Shahrood Plain using RBF Neural Networks  
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved