close
تبلیغات در اینترنت
دانلود رایگان مقالات,اکوهیدرولوژی,مقالات اکوهیدرولوژی,دانلود رایگان

دانلود رایگان مقالات,اکوهیدرولوژی,مقالات اکوهیدرولوژی,دانلود رایگان

تخمین پارامترهای هیدرودینامیکی آبخوان محبوس با استفاده از مدل فازی سوگنو/اکوهیدرولوژی
تعداد بازديد : 26

تخمین پارامترهای هیدرودینامیکی آبخوان محبوس با استفاده از مدل فازی سوگنو/اکوهیدرولوژی

 

 

 نام مقاله :تخمین پارامترهای هیدرودینامیکی آبخوان محبوس با استفاده از مدل فازی سوگنو/اکوهیدرولوژی

رشته :  اکوهیدرولوژِی

تعداد صفحه : 11

قالب کتاب : PDF

 

 

 

نویسندگان
حامد محمودی حاجیلاری1؛ عطا الله ندیری 2؛ طاهره آذری3؛ سینا صادق‌فام4؛ هادی محمودی حاجیلاری5
1دانشجوی کارشناسی ارشد، دانشکدۀ علوم طبیعی، دانشگاه تبریز
2دانشیار گروه علوم زمین، دانشکدۀ علوم طبیعی، دانشگاه تبریز
3دکتری هیدروژئولوژی، بخش علوم زمین شیراز، دانشگاه شیراز
4استادیار گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه مراغه
5دانشجوی کارشناسی، دانشکدۀ فنی مهندسی، دانشگاه آزاد اسلامی تبریز
چکیده

شناخت دقیق پارامترهای هیدروژئولوژیکی مانند قابلیت انتقال، هدایت هیدرولیکی و ضریب ذخیره یا آبدهی ویژه از جمله پارامترهای مهم برای پیش‏بینی شرایط آبخوان هستند که عموماً تعیین آنها برای نقاط مختلف آبخوان با هزینه‏های فراوانی انجام می‏‌شود. در سال‏های اخیر، از مدل‏های هوش مصنوعی به عنوان جایگزین روش‏های انطباق منحنی تیپ برای تعیین پارامترهای هیدرودینامیکی آبخوان‏ها استفاده شده است. بنابراین، در مطالعۀ حاضر نیز برای تعیین پارامترهای هیدرو‏دینامیکی آبخوان محبوس از منطق فازی سوگنو استفاده شد. ابتدا دقت، قابلیت اطمینان و توانایی تعمیم این مدل فازی از طریق آزمایش آن با داده‏های افت- زمان واقعی تأیید شد. سپس، نتایج به‌دست‌آمده از این مدل با نتایج به‌دست‌آمده از روش‏ گرافیکی تایس و شبکۀ عصبی مصنوعی مقایسه شد. مقایسۀ RRMSE مدل شبکۀ عصبی مصنوعی و مدل فازی به منظور تخمین قابلیت انتقال آبخوان و ضریب ذخیره در مرحلۀ آزمایش نشان داد مدل فازی، خطا را به‌ترتیب 21/9 و 66/11 درصد نسبت به شبکۀ عصبی کاهش می‏دهد. بنابراین، نتایج به‌دست‌آمده از روش گرافیکی تایس، شبکۀ عصبی مصنوعی و مدل منطق فازی در مرحلۀ صحت‏سنجی نشان می‌دهند مدل فازی سوگنو در کنار دو روش یادشده توانایی تعیین پارامترهای آبخوان تحت فشار را دارد. این کارایی نسبی بیشتر منطق فازی سوگنو را می‌توان در توانایی ذاتی آن در کار با داده‏ها و پارامترهای دارای عدم قطعیت نسبت به روش گرافیکی تایس و شبکۀ عصبی مصنوعی دانست.

 

 

 


 

 

 

 

بخش نظرات این مطلب
نام
ایمیل (منتشر نمی‌شود) (لازم)
وبسایت
:) :( ;) :D ;)) :X :? :P :* =(( :O @};- :B /:) :S
نظر خصوصی
مشخصات شما ذخیره شود ؟ [حذف مشخصات] [شکلک ها]
کد امنیتیرفرش کد امنیتی