پیشبینی میزان بهره‏برداری از منابع آب زیرزمینی شهرستان جیرفت و امکان تغذیه آن‏ها به‏کمک نزولات جوی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 227

فایل این مقاله در 10 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:

JR_JISE-40-1_004

تاریخ نمایه سازی: 7 اردیبهشت 1400

چکیده مقاله:

افزایش مصرف آب ناشی از افزایش جمعیت باعث کاهش کیفی و کمی آب‏های قابل استحصال شده است. مدیریت منابع آب به‏ویژه آب‏های زیرزمینی، در مناطق خشک و نیمه خشک از اهمیت خاصی برخوردار است. شهرستان جیرفت یکی از مناطق مهم کشاورزی در کشور به‏شمار می‏آید که در سال‏های اخیر به دلیل بهره­برداری بی­رویه از منابع آب زیرزمینی با افت شدید سطح این آب‏ها مواجه بوده است. لذا در این مطالعه به‏منظور بررسی چگونگی بهره‏برداری از منابع آب زیرزمینی در شهرستان جیرفت و امکان تغذیه آن‏ها به‏وسیله نزولات جوی در سال‏های آینده، به پیش بینی سطح این آب‏ها و میزان بارندگی طی سال‏های ۹۶-۱۳۹۳پرداخته شده است. بدین منظور از مدل شبکه عصبی مصنوعی استفاده شد. نتایج نشان داد که اگر روند کنونی بهره‏برداری از این آب‏ها ادامه یابد، سطح آب‏های زیرزمینی این شهرستان طی چهار سال و نیم آینده، حدود ۶۸/۶ متر کاهش می‏یابد و نزولات جوی نمی‏تواند به افزایش سطح این آب‏ها کمک نماید. لذا راهکارهایی همانند بالا بردن بهره‏وری آب در بخش کشاورزی و استفاده از روش‏های نوین آبیاری به‏منظور کاهش مصرف آب و در نتیجه جلوگیری از بهره‏برداری بیشتر، می‏تواند در پیشگیری از کاهش سطح این آب‏ها مورد استفاده قرار گیرد.

کلیدواژه ها:

مدل شبکه عصبی مصنوعی ، روش انتشار برگشتی ، آب زیرزمینی

نویسندگان

سمیه امیرتیموری

استادیار گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، 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 :
  • 1-    اسفندیاری درآباد، ف.، حسینی، ا.، آزادی مبارکی، م. و ...
  • 2-    اکبری، م.، جرگه، م. و ح. مدنی سادات. 1388. ...
  • 3-    ایزدی، ع.، داوری، ک.، علیزاده، ا. و ب. قهرمان. ...
  • کاربرد شبکه عصبی مصنوعی در شبیهسازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( [مقاله ژورنالی]
  • 5-    دلاور، م. 1384. تحلیل و ارائه مدل نوسانات تراز ...
  • 6-    رحمانی، ع. و م. سدهی. 1383. پیش بینی تغییرات ...
  • 7-    روشن، ر. 1385. پیش بینی تورم ایران به کمک ...
  • 8-    ﺻﺎدﻗﯽ، ح.، ذوالفقاری، م. و م. الهامی‏نژاد. 1390. مقایسه ...
  • 9-    طرازکار، م. 1384. پیش بینی قیمت برخی محصولات زراعی ...
  • 10-  فلاح، س.، قبادی نیا، م.، شکرگزار دارابی، م. و ...
  • 11-  ﻓﻬﻴﻤﻲﻓﺮد، س.، سالارپور، م. و م. صبوحی. 1390. مقایسه ...
  • 12- کریمی گوغری، ش. و ا. اسلامی. 1387. پیش بینی ...
  • 13- محتشم، م.، دهقانی، ا. ا.، اکبرپور، ا. و م. ...
  • 14- منهاج، م. 1377. مبانی شبکه‌های عصبی (هوش محاسباتی). نشر ...
  • 15- ﻣﻨﻬﺎج، م. کاظمی، ع. شکوری گنجوی، ح. و م. ...
  • 16- نجفی، ب. و م. طرازکار. 1385. پیش ‌بینی میزان ...
  • 17- یوسفی‏راد، م.، صفایی جزی، ر. و م. بخشایی. 1387. ...
  • 18- Bithas, K. 2008. The sustainable residential water use: Sustainability, ...
  • 19- Chen, X., Racine, J. and R. N. Swanson. 2001. ...
  •   20- Elsafi, S. H. 2014. Artificial Neural Networks (ANNs) ...
  • 21- Haoffi, Z., Guoping, X., Fagting, Y. and Y. Han. ...
  • 22- Hetch-Nielsen, R. 1987. Kolmogorovʼs mapping neural networks existence theorem. ...
  • 23- Hotunluoglu, H. 2011. Forecasting Turkey’s energy demand using artificial ...
  • 24- Kavaklioglu K., Ceylan H., Ozturk, H.K. and O. E. ...
  • 25- Khan, S., Gabriel, H. F. and T. Rana. 2008. ...
  • نمایش کامل مراجع