ژئومورفولوژی
سعید رستمی؛ بابک شاهی نژاد؛ حجت اله یونسی؛ حسن ترابی پوده؛ رضا دهقانی
چکیده
سیل از جمله پدیدههای طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیدهای را بر سر راه توسعهی اقتصادی و اجتماعی کشورها ایجاد مینماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل مؤثر بر آن بسیار حائز اهمیت میباشد. در این پژوهش، به منظور برآورد دبی سیلابی ...
بیشتر
سیل از جمله پدیدههای طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیدهای را بر سر راه توسعهی اقتصادی و اجتماعی کشورها ایجاد مینماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل مؤثر بر آن بسیار حائز اهمیت میباشد. در این پژوهش، به منظور برآورد دبی سیلابی حوضهی آبریز کشکان واقع در استان لرستان از مدلهای هوش مصنوعی هیبریدی نوین شامل شبکه عصبی مصنوعی- تفنگدار خلاق، شبکه عصبی مصنوعی-عنکبوت بیوه سیاه و شبکه عصبی مصنوعی- ازدحام مرغ در طی دورهی زمانی 1400-1390 استفاده شد. برای ارزیابی عملکرد شبیهسازی از شاخصهای آماری ضریب تعیین (R2)، میانگین مطلق خطا (MAE)، ضریب کارایی نش- ساتکلیف (NSE) و درصد بایاس (PBIAS) استفاده گردید. نتایج نشان داد که بطور کلی مدلهای هوش مصنوعی هیبریدی عملکرد بهتری نسبت به مدل منفرد در برآورد دبی سیلابی دارند. نتایج نشان داد مدل شبکه عصبی مصنوعی- تفنگدار خلاق نسبت به سایر مدلها از دقت بیشتر و خطای کمتری برخوردار است. در مجموع نتایج نشان داد استفاده از مدلهای هوش مصنوعی هیبریدی در برآورد دبی سیلابی موثر بوده و میتواند به عنوان راهکاری مناسب و سریع در مدیریت منابع آب مطرح شود.
عطا الله ندیری؛ سعید یوسفزاده
دوره 4، شماره 10 ، خرداد 1396، ، صفحه 21-40
چکیده
تخمین دقیق پارامترهای هیدروژئولوژیکی مانند هدایت هیدرولیکی یکی از مهمترین بخش مطالعات هیدروژئولوژی میباشد که برای مدیریت و حفاظت دقیق از منابع آب زیرزمینی بسیار ضروری است. تا حال روشهای مختلف صحرایی و آزمایشگاهی برای تخمین هدایت هیدرولیکی ارائه شده است که عموماً با استفاده از دادههای هیدروژئولوژیکی انجام میشوند. از ...
بیشتر
تخمین دقیق پارامترهای هیدروژئولوژیکی مانند هدایت هیدرولیکی یکی از مهمترین بخش مطالعات هیدروژئولوژی میباشد که برای مدیریت و حفاظت دقیق از منابع آب زیرزمینی بسیار ضروری است. تا حال روشهای مختلف صحرایی و آزمایشگاهی برای تخمین هدایت هیدرولیکی ارائه شده است که عموماً با استفاده از دادههای هیدروژئولوژیکی انجام میشوند. از این میان بهترین و کاملترین روش، روش صحرایی آزمون پمپاژ میباشد که بسیار وقتگیر و پرهزینه بوده و پارامترهای هیدروژئولوژیکی تخمین زده شده به وسیلهی آنها دارای عدم قطعیت ذاتی میباشند. لذا در این تحقیق تلاش شد تا از روشهای هوش مصنوعی مختلف مانند شبکهی عصبی مصنوعی (ANN)، فازی ممدانی (MFL)، فازی ساگنو (SFL) و سیستم استنتاج نرو-فازی تطبیقی (ANFIS) برای تخمین هدایت هیدرولیکی استفاده شود. در این مطالعه برای تخمین دقیق هدایت هیدرولیکی در دشت مراغه- بناب توسط این مدلها از دادههای ژئوفیزیکی به همراه داده های هیدروژئولوژیکی به عنوان ورودی مدلها استفاده شد و نتایج آنها با استفاده از معیارهای ارزیابی با هم مقایسه و بهترین مدل براساس مقدار RMSE انتخاب شد. بر این اساس مدل ANFIS با داشتن RMSE=1.12 در مرحلهی تست، نسبت به مدلهای دیگر قدرت بالایی در تخمین هدایت هیدرولیکی دارد. شعاع دستهبندی، تعداد قوانین فازی و تعداد دستهها در مدلهای فازی و نروفازی، از اهمیت بالایی برخوردار است. شعاع دستهبندی در مدل ANFIS، براساس کمترین مقدار RMSE برابر 4/0و تعداد قوانین فازی براساس تعداد دستهها 9 قانون اگر-آنگاه به دست آمد. روشهای ارائه شده در این مطالعه که کارآیی بالایی در تخمین هدایت هیدرولیکی در دشت مراغه-بناب نشان دادند، میتواند در تخمین هدایت هیدرولیکی در سایر دشتها با شرایط هیدروژئولوژیکی مشابه نیز مورد استفاده قرار بگیرند.