تخمین تغییرات آب زیرزمینی با استفاده از چهار تکنیک متفاوت شبکۀ عصبی تکاملی و دادههای آب و هواشناسی (مطالعۀ موردی دشت عباس، استان ایلام) | ||
| مهندسی اکوسیستم بیابان | ||
| مقاله 4، دوره 8، شماره 22، 1398، صفحه 43-58 اصل مقاله (1.05 M) | ||
| شناسه دیجیتال (DOI): 10.22052/deej.2018.7.22.25 | ||
| نویسندگان | ||
| شهلا پایمزد* 1؛ محمدرضا رضایی2؛ محمدجواد رضایی3؛ جعفر رضایی4 | ||
| 1دانشگاه اراک | ||
| 2گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی،دانشگاه اراک، اراک. | ||
| 3گروه کامپیوتر، دانشگاه کرمانشاه، کرمانشاه. | ||
| 4مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی ایلام، ایلام. | ||
| چکیده | ||
| در نواحی خشک و نیمهخشک، بهدلیل کمبود جریانهای سطحی، فشار عمده بر آبهای زیرزمینی وارد میشود. سطح منابع آب زیرزمینی محدودۀ مورد مطالعه (دشت عباس) نیز بهدلیل استفادۀ بیرویه، دچار افت شدید شده و بیش از 30 سال است که بهعنوان دشت ممنوعه اعلام گردیده است. در این تحقیق، از چهار مدل متفاوت شبکۀ عصبی تکاملی شامل شبکۀ عصبی پرسپترون چندلایه با الگوریتم ژنتیک (ANN-GA)، بهینهسازی ازدحام ذرات (ANN-PSO)، الگوریتم رقابت استعماری (ANN-ICA) و بهینهسازی کلونی مورچگان (ANN-ACOR) برای تخمین سطح آب زیرزمینی استفاده شده است. دادههای مورد استفاده شامل بارش، تبخیر، متوسط دمای سالانه، نفوذ مؤثر و دادههای گذشته سطح آب زیرزمینی برای یک دورۀ 22 ساله است. ترکیب ورودیها با استفاده از تجزیه و تحلیل خودهمبستگی، خودهمبستگی جزئی و همبستگی متقابل برای هر مدل آماده شده است. مدلهای بهینه با تغییر پارامترهای کنترلی به دست آمدهاند. بهترین دقت از بین مدلهای ارائهشده برای ورودی (GWLt-1، GWLt-2 و P < sub>t) به دست آمده است. دقت میانگین مربع خطا برای مدلهای ANN-ICA، ANN-PSO، ANN-ACOR بهترتیب 0033/0، 0039/0 و 0044/0 و برای مدل ANN-GA 0030/0 به دست آمده است. روند تغییرات سطح آب زیرزمینی دشت در مقطع زمانی 72 تا 84 روند کاهشی و از سال 85 تا 94 با ورود آب سد کرخه، روند افزایشی داشته و بیلان آب دشت مثبت شده است. با توجه به نتایج بهدستآمده، مدل ANN-GA عملکرد بهتری نسبت به سه مدل دیگر برای تخمین سطح آب زیرزمینی از خود نشان داده است. | ||
| کلیدواژهها | ||
| آب زیرزمینی؛ ازدحام ذرات؛ الگوریتم ژنتیک؛ رقابت استعماری؛ شبکههای عصبی؛ کلونی مورچگان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 565 تعداد دریافت فایل اصل مقاله: 441 |
||