پایش پارامترهای کیفیت آب زیرزمینی با استفاده از روش سیستم استنتاج عصبی- فازی تطبیقی (ANFIS) (مطالعه موردی: دشت اردبیل)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 160

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_NFAG-16-31_001

تاریخ نمایه سازی: 24 مهر 1401

چکیده مقاله:

مدل­سازی مناسب کیفیت آب زیرزمینی از ابزارهای مهم برنامه­ریزی و تصمیم­گیری در مدیریت منابع آب است. در این مطالعه به منظور مدل­سازی تغییرات متغیرهای کیفی آب زیرزمینی دشت اردبیل از داده­های ۶۰ حلقه چاه در اردیبهشت سال ۱۳۹۲ استفاده گردید. داده­ها در آزمایشگاه جهاد دانشگاهی استان آذربایجان غربی مورد آنالیز شیمیایی قرار گرفت. آمار­های توصیفی داده­ها و ماتریس همبستگی پارامترهای مورد مطالعه با استفاده از نرم­افزار SPSS بدست آمد. پارامترهای کیفی بررسی شده در این مقاله عبارت است از: EC،  TDSو TH می باشد. داده­ها پس از استاندارد­سازی، وارد محیط متلب شده و با استفاده از روش ANFIS-FCM ، پارامترهای آب زیرزمینی پیش­بینی گردید. در این روش ۷۰ درصد داده­ها (۴۲ نمونه) برای مجموعه داده آموزش و ۳۰ درصد داده­ها (۱۸نمونه) برای مجموعه داده آزمون به طور تصادفی انتخاب شدند. برای مجموعه داده آموزش مدل ANFIS-FCM مقادیرEC (۹۱۴۲/۰=R۲ ،۰۰۹۳۹۱/۰= MSE)، TDS (۹۷۰۳/۰=R۲ ، ۰۰۵۱۵/۰=MSE)، TH (۹۷۴۱/۰=R۲ ، ۰۰۳۸۸/۰= MSE) بدست آمدند و همچنین برای مجموعه داده آزمون مدل ANFIS-FCM مقادیرEC (۹۸۷/۰ =R۲ ، ۰۰۳۳۸۳/۰= MSE)، TDS (۸۳۸۱/۰=R۲ ، ۰۰۵۱۰/۰=MSE)، TH (۷۶۲۵/۰=R۲ ، ۰۳۷۲/۰= MSE) حاصل گردید. با استفاده از نتایج به دست آمده از این مدل، مشخص شد که پارامترهای آب زیرزمینی تخمین زده شده در محدوده­ی مورد بررسی از دقتی بسیار خوب و همبستگی بالایی نسبت به مقادیر اندازه­گیری شده برخوردار بوده است. در نتیجه روش هوشمند ANFIS-FCM روشی موثر، کارآمد و دقیق جهت تخمین پارامترهای فیزیکی و شیمیایی آب می­باشد.                                                                                              

نویسندگان

حسنیه نظری

دانشجوی دکتری مهندسی معدن (اکتشاف)، دانشگاه ارومیه، ارومیه، ایران

مژگان دهقانی

دانشجوی دکتری زمین شناسی زیست محیطی، دانشگاه ارومیه، ارومیه، ایران

حسین پیرخراطی

استادیار گروه زمین شناسی، دانشگاه ارومیه، ارومیه، ایران

فرخ اسدزاده

استادیار گروه علوم و خاک، دانشگاه ارومیه، ارومیه، ایران

فرنوش حاجی زاده

دانشیار گروه مهندسی معدن، دانشگاه ارومیه، ارومیه، 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 :
  • حزباوی، ع.، دهقانی، ر (۱۳۹۸) ارزیابی مدل­های هوشمند در تخمین ...
  • سعیدی رضوی، ب.، عرب، ع (۱۳۹۷) پیش­بینی سطح آب زیرزمینی ...
  • شعبانی، م (۱۳۸۷) تعیین مناسب­ترین روش زمین آمار در تهیه­ی ...
  • فلاح، س.، قبادی­نیا، م.، شکرگزار دارابی، م.، قربانی دشتکی، ش ...
  • نظری، ح.، تقوی، ب.، حاجی­زاده، ف (۱۳۹۹) پیش بینی هدایت ...
  • نظری، ح.، دهقانی، م.، حاجی­زاده، ف.، عباس­نژاد، ا (۱۳۹۹) کاربرد ...
  • Akbarzadeh, S., Arof, A.K., Ramesh, S., Khanmirzaei, M. H., Nor, R. ...
  • Banerjee, P., Singh, V. S., Chattopadhyay, K., Chandra, P. C., ...
  • Bezdek, JC (۱۹۷۳) Fuzzy mathematics in pattern classification. Cornell university, ...
  • Chowdhury, M., Alouani, A., Hossain, F (۲۰۱۰) Comparison of ordinary ...
  • Dolati Kordestani, M., Nohegar, A., Janizadeh, S (۲۰۱۸) Assessment of ...
  • Emamgholizadeh, S., Moslemi, Kh., Karami, Gh (۲۰۱۴) Prediction the Groundwater ...
  • Gholami, R., Moradzadeh, A., Maleki, S., Amiri, S., Hanachi, J ...
  • Huiqun, M., Ling, L (۲۰۰۸) Water quality assessment using artificial ...
  • Isazadeh, M., Arabzadeh, R., Darbandi, S (۲۰۱۶) Performance Evaluation of ...
  • Jang, JSR (۱۹۹۳) ANFIS: Adaptive-network-based fuzzy inference system. IEEE T ...
  • Jang, JSR., Sun, CT., Mizutani, E (۱۹۹۷) Neuro-Fuzzy and Soft ...
  • Jayalakshmi, T., Santhakumaran, A (۲۰۱۱) Statistical normalization and back propagation ...
  • Kadam, D. M., Nain, L., Samuel, D. V. K., Pandey, ...
  • Khadam, I. M., Kaluarachchi, J. J (۲۰۰۶) Water quality modeling ...
  • Khodai, K., Shahsavari, A. A., Etebari, B) ۲۰۰۶) Vulnerability assessment ...
  • Kosko, B (۱۹۹۲) Neural Networks and Fuzzy Systems. A Dynamical ...
  • Madan, K. J., Kamii, Y., Chikamori, K (۲۰۰۸) Cost-effective approaches ...
  • MATLAB user’s guide (۲۰۰۶) Fuzzy logic Toolbox, by the math ...
  • Mirzavand, M., Ghasemiyeh, H., Sadatinejad, SJ., Akbari, M (۲۰۱۵) Simulation ...
  • Moosavi, V., Vafakhah, M., Shirmohammadi, B., Behnia, N (۲۰۱۳) A ...
  • Nadiri, A., Chitsazan, N., Tsai, FTC., Asghari Moghaddam, A (۲۰۱۴) ...
  • Nasr, M., Farouk Zahran, H (۲۰۱۴) Using of pH as ...
  • Nava, P., Taylor, J (۱۹۹۶) The Optimization of Neural Network ...
  • Nourani, V., Alami, MT., Vousoughi, FD (۲۰۱۶) Self-organizing map clustering ...
  • Srinivasan, K., Fisher, D (۱۹۹۵) Machine Learning Approaches to Estimating ...
  • Zare Abyaneh, H., Bayat, M., Akhavan, S., Mohamadi, M (۲۰۱۱) ...
  • نمایش کامل مراجع