![تخمین هدایت هیدرولیکی با استفاده از مدل شبکه عصبی مصنوعی (ANN) با بکارگیری داده های ژئوفیزیکی. مطالعه تخمین هدایت هیدرولیکی با استفاده از مدل شبکه عصبی مصنوعی (ANN) با بکارگیری داده های ژئوفیزیکی. مطالعه](https://scholar.conference.ac/images/ConferencesAC_img_d6d35226c0214833570075361ced7f5d.jpg)
- تاریخ انتشار : ۱۳۹۴
- ناشر : کنفرانس بین المللی پژوهش در علوم و تکنولوژی
- زبان مقاله : همه
- تعداد صفحات :
- حجم فایل : 1367.141 کیلوبایت
- نوع مقاله : مجموعه مقالات کنفرانس
- مجموعه : علوم پایه
چکیده مقاله
تخمین دقیق پارامترهای هیدروژئولوژیکی مانند هدایت هیدرولیکی یکی از مهمترین بخش مطالعات
هیدروژئولوژی می باشد که برای مدیریت و حفاظت دقیق از منابع آب زیرزمینی بسیار ضروری است.
بدین منظور تا حال روش های مختلف صحرایی و آزمایشگاهی برای تخمین هدایت هیدرولیکی ارائه شده
است که عموماً با استفاده از داده های هیدروژئولوژیکی انجام می شوند. از این میان بهترین و کاملترین
روش، روش صحرایی آزمون پمپاژ می باشد که بسیار وقت گیر و پرهزینه بوده و پارامترهای
هیدروژئولوژیکی تخمین زده شده به وسیله آنها دارای عدم قطعیت ذاتی می باشند. در چند سال اخیر
متدهای هوش مصنوعی شامل شبکه عصبی مصنوعی) ANN (، فازی ممدانی) MFL (، فازی
ساگنو) SFL ( و سیستم استنتاج نرو فازی تطبیقی) - ANFIS ( به طور گسترده ای مورد توجه قرار گرفته
اند و کارآیی خوب آنها در تخمین پارامترهای هیدرولوژیکی در بسیاری از تحقیقات به اثبات رسیده است.
در این مطالعه برای تخمین دقیق هدایت هیدرولیکی در دشت مراغه بناب توسط این مدلها از داده ای -
ژئوفیزیکی به همراه داده های هیدروژئولوژیکی استفاده شد و نتایج آنها باهم مقایسه و بهترین مدل
انتخاب شد. این متدها می توانند بر نواقص موجود در روشهای فوق غلبه نمایند. در این مطالعه متدهای
مختلف هوش مصنوعی نتایج نشان می دهد، این متدها می توانند با کارآیی بالایی در تخمین هدایت
هیدرولیکی در دشت مراغه بناب و سایر دشتها با شرایط هیدروژئولوژیکی مشابه مورد استفاده قرار -
بگیرند.
نحوه استناد به مقاله
در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :
سعید یوسف زاده ؛عطاالله ندیری؛سینا صادق فام؛ ۱۳۹۳، تخمین هدایت هیدرولیکی با استفاده از مدل شبکه عصبی مصنوعی (ANN) با بکارگیری داده های ژئوفیزیکی. مطالعه، کنفرانس بین المللی پژوهش در علوم و تکنولوژی، https://scholar.conference.ac:443/index.php/download/file/4700-estimation-of-hydraulic-conductivity-by-using-of-artificial-neural-network-with-geophysical-data.-A-case-study:-maraghe-bonab-plain.nortewest-of-Iran.
در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.
(سعید یوسف زاده ؛عطاالله ندیری؛سینا صادق فام؛ ۱۳۹۳)