شبیه سازی چشمه میر احمد(واقع در منطقه اهرم، استان بوشهر)با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 726

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ASDOFC03_014

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

بهره برداری فراوان و نا مناسب از آب های زیرزمینی همچنین آلوده نمودن منابع آب در سال های اخیر موجب کاهش آب قابل استفاده در بسیاری از مناطق شده است، از سوی دیگر در برخی مناطق وجود سفره های آبی از جمله چشمه هایی با کیفیت نامناسب به خصوص در مناطق جنوبی کشور، پتانسیلی ایجاد می نماید تا در صورت لزوم با تصفیه و بهبود کیفیت آب موجود بتوان شرایط منطقه را بهبود داده و به توسعه پایدار منطقه دست یافت. همچنین وجود برخی از مواد معدنی در این آب ها پتانسیل گردشگری و استفاده از خواص درمانی آنها را ایجاد می نماید که برای مدیریت این شرایط لازم است علاوه بر کیفیت از کمیت این منابع در طول زمان آگاهی داشت و برای این منظور می توان از شبیه سازی استفاده نمود. با توجه به غیر خطی بودن آبدهی چشمه ها و توسعه روزافزون شبکه های عصبی مصنوعی به عنوان ی ک ابزار قو ی شب یه ساز ی، در تحقیق حاضر آبدهی چشمه میراحمد (واقع در منطقه اهرم از بخش مرکز ی شهرستان تنگستان استان بوشهر)بااستفاده از شبکه ی عصبی مصنوعی موسوم به پرسپترون چندلایه (MLP) و با در اختیار داشتن داده های آبدهی و بارش، شبیه سازی شد. با توجه به معیارهای آماری جذر میانگین مربع خطاها، ضریب همبستگی بین خروجی ها ی حقیقی و دلخواه همچنین متوسط قدر مطلق خطای نسبی در تحلیل نتایج بدست آمده، مناسب ترین شبیه سازی دارای ساختاری با دو لایه میانی و توابع انتقال Log sig - tan sig - tan sig است که تعداد نرون ها در لایه ی میانی اول یک و لایه ی میانی دوم 8 است، با استفاده از بارش های ماه جاری و بارش های تا 3ماه قبل از آن همچنین دبی ماه قبل از ماه جاری.

نویسندگان

فاطمه مهران

دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه آزاد اسلامی واحد شیراز

رضا افشین شریفان

استادیار، دانشگاه آزاد اسلامی واحد شیراز، گروه مهندسی آب، شیراز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :