CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پهنه بندی زمانی - مکانی کمیت آب زیرزمینی با استفاده از مدل سری زمانی و شبکه عصبی مصنوعی و GIS (مطالعه موردی : دشت مهر)

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۱۳ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: SECM01_060
زبان مقاله: فارسی
حجم فایل: ۴۸۵.۱۷ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پهنه بندی زمانی - مکانی کمیت آب زیرزمینی با استفاده از مدل سری زمانی و شبکه عصبی مصنوعی و GIS (مطالعه موردی : دشت مهر)

محمود فرزانه - کارشناسی ارشد، گروه مهندسی عمران

چکیده مقاله:

اهمیت آبهای زیرزمینی به عنوان یک منبع مهم تامین آب در مناطق خشک و نیمه خشک بر کسی پوشیده نیست. عواملی مانند افزایشجمعیت، توسعه کشاورزی و رشد صنعت باعث افزایش برداشت از منابع آب زیرزمینی شده و در مواقع بحرانی نظیر وقوع پدیده خشکسالی، افزایشبرداشت از منابع آب زیرزمینی را در پی دارد و همین امر موجب افت سطح آب زیرزمینی در آبخوان ها شده و باعث بروز مشکلاتی مانند خشکشدن چاه های آب ،کاهش کیفیت آب و تخریب آبخوان ها شده است. از آنجا که کاهش سطح آب زیرزمینی بر افت کیفی آب نیز تاثیر چشمگیریدارد لذا به کمک پایش و استفاده از داده های کمی و مقادیر ماهانه سطح آب زیرزمینی دشت مهر، تغییرات کمی آن توسط مدل های سری زمانیو شبکه عصبی مصنوعی شبیه سازی و پیش بینی گردید و سپس نقشه پهنه بندی مقادیر آتی به کمک مدل های زمین آمار تهیه گردید. همچنینجهت بررسی و مقایسه دقت شبکه عصبی مصنوعی و سری زمانی در شبیه سازی و پیشبینی جهت استفاده در آینده، از آماره های ضریب همبستگیو ریشه میانگین مربعات خطا واستفاده شد که به ترتیب برای شبکه عصبی مصنوعی مقادیر 0/88 و 0/117 و برای سری زمانی 0/81 و آماره عددآکاییکی 0/3 بدست آمد. بر همین اساس و مقایسه مقادیر پیش بینی شده و مشاهده شده مشخص گردید که شبکه عصبی مصنوعی از دقت بالاتری برخوردار است که این امر می تواند ناشی از ورود اطلاعات بیشتر در شبیه سازی باشد که منجر به دقت بالاتری گردید.

کلیدواژه‌ها:

آبهای زیرزمینی، شبکه عصبی مصنوعی، سیستم اطلاعات جغرافیایی، زمین آمار، دشت مهر

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-SECM01-SECM01_060.html
کد COI مقاله: SECM01_060

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فرزانه, محمود، ۱۳۹۵، پهنه بندی زمانی - مکانی کمیت آب زیرزمینی با استفاده از مدل سری زمانی و شبکه عصبی مصنوعی و GIS (مطالعه موردی : دشت مهر)، اولین کنفرانس ملی پژوهش های کاربردی در مهندسی عمران (مهندسی سازه و مدیریت ساخت)، تهران، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-SECM01-SECM01_060.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (فرزانه, محمود، ۱۳۹۵)
برای بار دوم به بعد: (فرزانه، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • احسانی، مهرزاد و هومن خالدی، ۱۳۸۲.شناخت و ارتقای بهره وری ... (مقاله کنفرانسی)
  • صف شکن بردجی ف. ۱۳۸۸. شبیه سازی هیدروگراف بارش-رواناب با ...
  • ارزیابی کیفی منابع آب شهرستان گرگان با استفاده از GIS و زمین آمار (مقاله ژورنالی)
  • ملکی نژاد، ح. و پورشرعیاتی، ر: ۱۳۹۲. کاربرد و مقایسه ... (مقاله ژورنالی)
  • مقایسه نتایج حاصل از شبکههای عصبی RBF و MLP در مدلسازی نوسانات سطح آب زیرزمینی آبخوانهای کارستی [مقاله کنفرانسی]
  • Chitsazan, M., Rahmani, Gh. and Neyamadpour, A. 2013, Groundwater level ...
  • Kong A SiouL, Johannet A., Borrell V. and Pistre S. ...
  • Mohanty S.K., Jha M., Kumar A. and Sudheek. p. 2009. ...
  • Yang Z.P, Lu W.X., Long Y.Q. and LiP.200, Application and ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.