این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۷، شماره ۱، صفحات ۸۲-۸۶
عنوان فارسی ارزیابی توانایی شبکه‌های مختلف عصبی مصنوعی در پیش بینی تراز آب زیرزمینی در آبخوان محدوده سعادت شهر فارس
چکیده فارسی مقاله شبیه‌سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی‌های موجود در طبیعت این سیستم‌ها، به آسانی میسر نیست. این درحالیست که شبکه‌های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی‌های بالایی که دارند برای مدل‌سازی سیستم‌های پیچیده و غیرخطی بسیار مناسب می‌باشند. لذا، با توجه به مشکلات فراوان مدل‌سازی آبخوانها با مدل‌های ریاضی، شبکه‌های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رفته‌اند. هدف از انجام این تحقیق ارزیابی توانایی شبکه‌های عصبی مختلف در پیش‌بینی تراز آبهای زیرزمینی در محدوده سعادت شهر در استان فارس می‌باشد. از نظر توانایی شبکه‌های مختلف مورد استفاده، شبکه‌های عصبی مصنوعی پیشرو با الگوریتم لونبرگ-مارکوارت بهتریـن نتـایج را ارائه داد. این سـاختار توانست پیش‌بینی ماهانه‌ای از سطح ایستابی آبهای زیرزمینی در بازه زمانی دو ساله (از سال 1383 تا سال 1385) با حداقل ریشه مربع متوسط خطا 04/2 متر و 27/2 متر برای مراحل آموزش و آزمایش ارائه نماید. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Forecasting Groundwater Level In Saadat-Shahr Plain, Iran, Using Artificial Neural Networks
چکیده انگلیسی مقاله A proper architectural design of the Artificial Neural Network (ANN) models can provide a robust tool in water resources modeling and forecasting. The performance of different neural networks in a groundwater level forecasting was examined by researchers in order to identify an optimal ANN architecture that can provide accurate predictions up to 24 months ahead. In this study the Saadat-shahrPlain in Fars Province in central Iran was chosen as the study area. All networks were trained for an 8-year period of data and calibrated for a 24-month period. Experimental results showed that the most accurate forecast (for up to 24 months ahead) is achieved with an FNN trained with the LM algorithm
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدرضا نیک منش | mohammad reza
عضو هیأت علمی گروه عمران، دانشگاه آزاد اسلامی واحد ارسنجان
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی ارسنجان (Islamic azad university of arsanjan)

غلامرضا رخشنده رو |
دانشیار بخش مهندسی راه و ساختمان ، دانشکده مهندسی، دانشگاه شیراز
سازمان اصلی تایید شده: دانشگاه شیراز (Shiraz university)

نشانی اینترنتی http://www.iwrr.ir/article_16061_808dea423d0803fb34108f631404c74d.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات