مطالب مرتبط با کلیدواژه

دشت سرخون


۱.

پیش بینی سطح ایستابی مناطق خشک و نیمه خشک با استفاده از شبکه عصبی مصنوعی و قانون یادگیری Gradient Descent.(مقاله علمی وزارت علوم)

کلیدواژه‌ها: سطح ایستابی شبکه عصبی Gradient Descent خطای RMSE دشت سرخون

حوزه‌های تخصصی:
تعداد بازدید : ۶۲ تعداد دانلود : ۵۸
قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. در نواحی فلات مرکزی و جنوبی اجتماعات شهری و روستایی با اتکاء به منابع آب زیر زمینی شکل گرفته و این منابع عمده ترین تامین کننده نیازهای آبی در این مناطق محسوب می شود. رشد روز افزون جمعیت و محدودیت منابع آبی لزوم پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه می طلبد. پیش بینی سطح ایستابی با استفاده از ابزارها و روش های نوین مدلسازی می تواند کمک شایانی به برنامه ریزی و تصمیم گیری بهینه جهت تامین دراز مدت آب نماید. هدف از این تحقیق تخمین سطح ایستابی آبخوان سرخون استان هرمزگان با استفاده از شبکه عصبی و بهره مندی از قانون Gradient Descent می باشد. این روش با استفاده از ارتباط ذاتی داده ها، روابط غیر خطی بین آن ها را یاد گرفته و نتایج را برای بقیه حالت ها تعمیم می دهد به منظور آموزش مدل از اطلاعات 10چاه مشاهده ای که دارای آمار 24ساله بودند استفاده گردید70درصد داده ها به عنوان داده های آموزشی به مدل معرفی و20درصد داده ها به عنوان تست برای اعتبار سنجی به کار برده شد. نتایج این روش, تراز سطح ایستابی آبخوان سرخون برای سال1400را بین22تا72متر در مناطق مختلف پیش بینی می کند. ارزیابی این مدل با خطای RMSE بین 0.00125- تا0.0509و همچنین خطای MEA بین 0.0012- تا 0.049 کارایی مدل شبکه عصبی Gradient Descent را در پیش بینی سطح ایستابی منابع زیر زمینی نشان می دهد.
۲.

پیش بینی مدل مکانی سطح ایستابی با استفاده از تابع هایپربولیک تانژانت شبکه ی عصبی مطالعه ی موردی: دشت سرخون(مقاله علمی وزارت علوم)

کلیدواژه‌ها: سطح ایستابی شبکه ی عصبی تابع انتقال دشت سرخون

حوزه‌های تخصصی:
تعداد بازدید : ۳۱ تعداد دانلود : ۲۸
در سال های اخیر سطح تراز آب های زیرزمینی در اثر تغییرات اقلیمی و همچنین شیوه و میزان بهره برداری از آن ها، روند نزولی داشته است. با توجه به افزایش تقاضای آب و افت شدید آب های زیرزمینی، مدیریت پایدار این منابع از اهمیت شایانی برخوردار است. پیش بینی سطح ایستابی با استفاده از مدل های ریاضی و آماری می تواند کمک قابل توجهی به برنامه ریزی و تصمیم گیری های مناسب جهت تأمین آب در درازمدت، داشته باشد. در این مطالعه تلاش شده است تا سطح آب های زیرزمینی با استفاده از شبکه ی عصبی گرادیان دیسکنت و تابع انتقال Hyperbolic Tangent پیش بینی شود. مدل تابع انتقال Tanh با تعداد 40 نرون در لایه پنهان با ضریب همبستگی 99/0 و مجذور مربعات خطا 01/0 برای پیش بینی سطح ایستابی پیاده سازی شد. با تعمیم این مدل به ده چاه مشاهده ای و برون یابی در محیط سامانه ی اطلاعات جغرافیایی، مدل مکانی پیوسته سطح ایستابی در دشت سرخون برای سال 1400 تخمین زده شد. نتایج نشان داد که سطح ایستابی در قسمت های غربی دشت با مقدار 98/72 متر بیشترین و در بخش شرقی دشت با توجه به تراکم جمعیتی بیشتر مقدار با 72/18 متر کمترین سطح ایستابی را خواهند داشت. با توجه به میزان خطای پایین مدل، می توان نتیجه گرفت که با اجرای این مدل در دیگر حوزه ها می توان پیش بینی صحیحی از سطح آب های زیرزمینی به دست آورد و در برنامه ریزی و مدیریت پایدار آب های زیرزمینی از آن استفاده نمود