این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و توسعه، جلد ۱۴، شماره ۴۳، صفحات ۱۵۹-۱۷۰
عنوان فارسی مقایسه‌ی مدل استنتاج فازی و شبکه‌ی عصبی مصنوعی در برآورد عمق سنگ کف آبخوان مطالعه‌ی موردی: خراسان جنوبی- آبخوان بیرجند
چکیده فارسی مقاله 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 می­دهد. 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
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of Fuzzy Inference Models and Artificial Neural Networks for Estimating the Depth of Rock bed of Aquifer Case study: South Khorasan, Birjand Aquifer
چکیده انگلیسی مقاله Groundwater is one of the most important water sources in the arid and semi-arid areas. With regard to reducing the level of water tables due to overdraft in most of Iran's plains, the wells' flow rate has been greatly decreased and this issue necessitates the attention to planning the water resources. Determining the aquifers' thickness and type of alluvial and materials in aquifer is necessary for the development of the city planning and its infrastructures . with respect to the importance of estimating the depth of bed rock of aquifers for estimating the volume and planning the water resources in this study, the efficiency of artificial neural network models and neural fuzzy inference system were studied on the bed rock depth and its zoning in different parts of the aquifer.In this study, the parameters of geographical latitude and longitude, salinity, water table level, and the ground level were used as input, and tried to determine a suitable model for predicting the bed rock. Results showed that the neural network with R2 =0.835 RMSE [1]=49. 488 meter with the inputs of geographical latitude and longitude and the groundwater level has a higher accuracy of ANFIS [2] models. [1] -Root mean square error [2] -Adaptive neuro fuzzy inference system
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله عباس خاشعی سیوکی |


حمید کاردان مقدم |


نشانی اینترنتی http://gdij.usb.ac.ir/article_2489_f8c45b3df294fb3616383b97ebbaae3c.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