پیش بینی تراز آب زیرزمینی دشت بستان آباد با استفاده از مدل شبکه های عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیش بینی تراز آب زیرزمینی دشت بستان آباد با استفاده از مدل شبکه های عصبی مصنوعی دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی تراز آب زیرزمینی دشت بستان آباد با استفاده از مدل شبکه های عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیش بینی تراز آب زیرزمینی دشت بستان آباد با استفاده از مدل شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی تراز آب زیرزمینی دشت بستان آباد با استفاده از مدل شبکه های عصبی مصنوعی :

تعداد صفحات :۱۰

چکیده مقاله:

آبهای زیرزمینی به عنوان یکی از منابع مهم آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک به شمار می روند. شناخت صحیح و بهره برداری اصولی از آنها می تواند در توسعه پایدار فعالیت های اقتصادی این مناطق نقش بسزایی داشته باشد. شبیه سازی سیستم آبهای زیرزمینی به دلیل پیجیدگی موجود در طبیعت به آسانی مقدور نمی باشند و برای مدل سازی آبخوان ها با استفاده مدل های ریاضی نیاز به داشتن آگاهی و دانش از پارامترهای مختلف و بسیاری از ویژگی های آبهای زیرزمینی می باشد. اما شبکه های عصبی مصنوعی یک جعبه سیاه با توانایی های بالایی هستند که برای مدل سازی سیستم های پیجیده و غیرخطی بسیار مناسب می باشند. این مدل بدون درنظر گرفتن فیزیک مسئله قادر به استخراج روابط بین متغیرهای ورودی و خروجی سیستم و تعمیم آن در سایر موقعیت ها می باشد. هدف از انجام این تحقیق پیش بینی، ارزیابی تراز آب زیرزمینی دشت بستان آباد با استفاده از شبکه عصبی مصنوعی می باشد. به منظور آموزش مدل از اطلاعات ۱۰ پیزومتر که دارای آمار تراز سطح ایستایی با سری زمانی ۷ ساله (۱۳۹۱-۱۳۸۵) بودند و در سطح دشت پراکندگی یکنواختی داشتند استفاده شده است. پارامترهای دما، بارش، دبی خروجی اوجان چای و تراز آب زیرزمینی هریک از ماه ها با تأخیر زمانی t 0-1 (ماه قبل) و مقدار تراز آب زیرزمینی نیز تنها خروجی این شبکه را شامل می شود. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی با تابع آموزشیLM و تابع انتقال tansig قادر به پیش بینی سطح آب زیرزمینی ماهانه دربازه زمانی ۲۰ ماهه با (R=0,9906, RMSE=0.092, MSE=0.0007) در مرحله آموزش و (R=0.9940, RMSE=0.54, MSE=0.1435) در مرحله تست در محدوده مورد مطالعه است.