ارزیابی روش شبکه عصبی،در مکان یابی منابع آب زیرزمینی با استفاده از علم سنجش از دور و سیستم اطلاعات مکانی
محل انتشار: اولین همایش ملی محیط زیست طبیعی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 526
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NECONF01_098
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
شناسایی منابع آب زیرزمینی و تلاش برای حفظ منابع آبی یکی از اهداف بزرگ کشورها است که با مشکل کم آبی دست و پنجه نرم می کند. با توجه به مشکلات کم آبی استان گلستان این منطقه به شدت به منابع آب زیرزمینی خود وابسته است. بنا بر این منطقه قره سو به عنوان منطقه مطالعاتی انتخاب گردید. در این راستا با توسعه علم سنجش از دور و اطلاعاتی که تصاویر ماهواره ای قابل استخراج است و نکته می توان مناطقی که احتمال وجود آب زیرزمینی در نقاط بیشتر است را شناسایی نمود. در این تحقیق پس از تعریف مدل مفهومی پارامترهای تأثیرگذار در رابطه با هدف شناسایی شدند.در این راستا داده هایی همچون: نقشه شیپ، پوشش گیاهی و کاربری زمین و خاک به کار گرفته شدند که از تصاویر ماهواره ای و سازمان های مربوطه تهیه شدند.به منظور اجرای شبکه عصبی منطقه مطالعاتی به ده منطقه تست آموزش تقسیم گردید.نقشه اولیه منابع آب منطقه با استفاده از روش AHP به دست آمد که به عنوان خروجی اولیه جهت وزن دهی به شبکه عصبی معرفی گردید در ادامه با اتخاذ روش شبکه عصبی مصنوعی به هر یک از پارامترهای مذکور وزنی اختصاص داده شد، که هر یک از این اوزان بیانگر میزان تأثیرگذاری هر لایه در تعیین مناطق مستعد آب زیرزمینی می باشد در نهایت خروجی شبکه با استفاده از الگوریتم LM در شبکه عصبی با میزان خطای MSE برابر 1/45 و ضریب هم بستگی 96% به دست آمد.
کلیدواژه ها:
شناسایی منابع اب زیرزمینی ، تصاویر ماهواره ای ، سنجش از دور ، سیستم اطلاعات مکانی ، شبکه عصبی ، AHP ،
نویسندگان
آذین باقری
دانشجوی کارشناسی ارشد مهندسی عمران-سنجش از دور دانشگاه فردوسی مشهد
روزبه شاد
استادیار،گروه سنجش از دور و سیستم اطلاعات جغرافیایی،دانشگاه آزاد واحد علوم و تحقیقات
مرجان قائمی
استادیار،گروه عمران،دانشگاه فردوسی مشهد
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 :