کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرزمینی
چکيده مقاله
استفاده از شبکه عصبی در پيش بيني متغيرهاي منابع آبي از جمله آب زیرزمینی بطور گسترده رو به افزايش است. اين تحقيق از طريق شبکه عصبي مصنوعي چندین هدف را دنبال می کند، که شامل تعيين پارامترهاي موثر بر نوسانات سطح آب زيرزميني در دشت بيرجند و همچنین بررسي تاثير مکاني و زماني پارامترهاي سطح آب از طريق دادههاي زماني 10 ساله و سپس مدلسازی نوسانات سطح آب زيرزميني در پيزومترهای منتخب در دشت مورد مطالعه مي باشد
که بهترين مدلسازی نوسانات سطح آب با مدل شبکه عصبي FNN-LM از طريق انتخاب پارامترهاي مناسب و با قابل قبول ترين تاخير زماني بدست آمد. و در انتها سپس با تغییر درصدی شش ماه آخر داده های ورودی در مدل اقدام به ایجاد چهار شرایط فرضی گردید و با توجه به مدلهای شبکه عصبی بدست آمده به پیش بینی نوسانات سطح آب زیرزمینی در این شرایط فرضی پرداخته شد.
کلید واژه: شبکه های عصبی مصنوعی، نوسانات سطح آب زیرزمینی، الگوریتم لونبرگ-مارکوت، دشت بیرجند
معرفی شبکه عصبی مصنوعی
فهرست مطالب
مقدمه 1
فصل اول: مروری بر پیشینه پژوهش 3
1-1- مقدمه 3
1-2- مروري بر تحقيقات انجام يافته 3
فصل دوم: روش پژوهش، ابزار و مواد 11
2-1-مقدمه 11
2-2- معرفي شبکه عصبي مصنوعي 11
2-2-1- مزيت هاي شبکه هاي عصبي: 11
2-2-2- کاربردهاي شبکه عصبي: 12
2-2-3- اجزاي کلي شبکه عصبي مصنوعي 13
2-2-4- ساختار هاي شبکه عصبي مصنوعي 15
2-2-4-1- شبکه هاي پيشرو(Feedforward) 15
2-2-4-2- شبکه هاي برگشتي(Backforward) 15
2-2-4-3- شبکه های شعاعی(Radial Basis Function Networks ) 16
2-2-5- معرفي انواع شبکه عصبي ساده: 16
2-2-5-1- پرسپترون(Perceptron) 16
2-2-5-2- شبکه همينگ(Haming) 17
2-2-5-3- شبکه هاپفيلد(Hopfield) 17
2-2-6- الگوريتمهاي مختلف آموزش 17
2-2-6-1-الگوريتم لونبرگ-مارکورت (LM) Levenberg-Marquardt 17
2-2-6-2-گراديان نزولي انتشار خطا به عقب با ممنتم 18
2-2-6-3-تنظيم بايزين (BR) Bayesian Regulazation 18
2-2-7- تقسيم بندي شبکه ها از نظر نوع توابع عملگر 18
2-2-8- تقسيم بندي شبکه ها از نظر نوع آموزش 19
2-2-8-1- آموزش نظارت شده(Supervised) 19
2-2-8-2- آموزش غيرنظارت شده(Unsupervised) 19
2-2-9- آموزش شبکه هاي عصبي مصنوعي 20
2-2-10- صحت سنجي 21
2-2-11- معيار ارزيابي کارايي و خطاي مدل 22
2-3- ويژگيهای منطقه مورد مطالعه 22
2-3-1- موقعيت جغرافيايي محدوده مورد مطالعه 22
2-3-2- زمين شناسي منطقه مورد مطالعه: 24
2-3-2-1- تشكيلات كرتاسه 26
2-3-2-2- رسوبات نوع فليش 27
2-3-2-3- تشكيلات پالئوژن 27
2-3-2-4- تشكيلات نئوژن 27
2-3-2-5- رسوبات كواترنر 28
2-3-3- زمينشناسي ساختماني منطقه مورد مطالعه 28
2-3-4- هواشناسي 29
2-3-4-1- بارندگي 29
2-3-4-2- درجه حرارت : 32
2-3-4-3- تبخير و تعرق 33
2-3-4-4- رطوبت نسبي: 34
2-3-4-5- طبقه بندي اقليمي منطقه 35
2-3-5- بررسي هاي اكتشافي دشت بيرجند 37
2-3-5-1- مطالعات ژئوفيزيك 37
2-3-5-2- نقشه هم ضخامت آبرفت 38
شبکه عصبی آب زیرزمینی
2-3-5-3- نقشه مقاومت عرضي 39
2-3-5-4- نقشه هم ارتفاع سنگ كف دشت بيرجند 39
2-3-6- هيدروژئولوژي دشت بيرجند 41
2-3-6- 1- بررسي ضرايب هيدروديناميكي: 41
2-3-6-2- رفتار سنجي چاههاي مشاهده اي 43
2-3-6-3- هیدروگراف واحد دشت 53
2-3-7- نقشه هاي هيدروژئولوژي 55
2-3-7-1- نقشه هم پتانسيل دشت بيرجند 55
2-3-7-2- نقشه هم عمق دشت بيرجند 57
2-3-7-3- نقشه هم افت دشت بيرجند 58
2-3-8- بهره برداري از منابع آب زيرزميني دشت بيرجند 59
2-3-8-1- چاه 59
2-3-8-2- چشمه 61
2-3-8-3- قنات 62
2-3-9- محاسبه بيلان دراز مدت آبخوان دشت بيرجند 62
2-3-9-1- مدت يا دوره بيلان 63
2-3-9-2- مجموعه ورودي آب زيرزميني 63
2-3-9-3- مجموعه خروجي آب زيرزميني 65
2-3-9-4- تغييرات حجم مخزن در دوره بيلان(∆X) 66
2-3-10- محاسبه بيلان كوتاه مدت آبخوان آبرفتي دشت 67
2-3-10-1- مدت يا دوره بيلان: 67
2-3-10-2- مجموعه ورودي آب زيرزميني: 67
2-3-10-3- مجموعه خروجي آب زيرزميني 69
2-3-10-4- تغييرات حجم مخزن در دوره بيلان(∆X) 70
فصل سوم: بحث، تجزیه و تحلیل 71
3-1- مقدمه 72
3-2- انجام آناليز حساسيت و تعيين ساختار شبكه عصبي و پارامترهاي موثر بر نوسانات سطح آب 72
3-3- مدلسازي سطح آب زيرزميني در چاه مشاهده اي محمديه در منطقه مورد مطالعه 79
3-4- مدلسازي سطح آب زيرزميني در چاههاي مشاهده اي موجود در منطقه مورد مطالعه 83
3-5- پيش بيني سطح آب زيرزميني در چاههاي مشاهده اي موجود در منطقه مورد مطالعه 91
3-6- پيش بيني سطح آب در مناطق فاقد چاه مشاهده اي در محدوده مورد مطالعه و ترسيم منحني هم تراز 99
فصل چهارم: نتیجه گیری و پیشنهاد 114
4-1- نتيجه گيري 114
4-2- پيشنهادها 116
منابع و ماخذ 117
Reference 118