فریبرز بهرامی؛ اصلان اگدرنژاد
چکیده
زمینه و هدف: بهدلیل پیچیدگیهای موجود در سیستمهای آب زیرزمینی و همچنین محدودیتهای موجود، مدلسازی آبهای زیرزمینی به آسانی میسر نمیباشد، اما مدل شبکه عصبی مصنوعی، دارای توانایی بالایی در مدلسازی سیستمهای پیچیده و غیرخطی هستند و از طرفی روشهای زمین آماری هم در مدلسازی آب زیرزمینی دارای دقت مناسبی میباشند.
مواد ...
بیشتر
زمینه و هدف: بهدلیل پیچیدگیهای موجود در سیستمهای آب زیرزمینی و همچنین محدودیتهای موجود، مدلسازی آبهای زیرزمینی به آسانی میسر نمیباشد، اما مدل شبکه عصبی مصنوعی، دارای توانایی بالایی در مدلسازی سیستمهای پیچیده و غیرخطی هستند و از طرفی روشهای زمین آماری هم در مدلسازی آب زیرزمینی دارای دقت مناسبی میباشند.
مواد و روشها: هدف از پژوهش حاضر، شبیهسازی پارامترهای کیفی آب زیرزمینی (SAR، TDS و EC) دشت دزفول اندیمشک با استفاده از مدلهای ANN-PSO و زمین آمار می‌باشد. بدین‌منظور از اطلاعات 61 حلقه چاه مشاهدهای موجود در دشت دزفول- اندیمشک استفاده شد. ورودی‌های مدل شبکه عصبی شامل پارامترهای کیفی SO42-، pH، HCO32-، Na+، Mg2+، Ca2+، TDS، SAR و EC در نظر گرفته شد.
یافته ها: بر اساس نتایج حاصل از شبیهسازی با مدل شبکه عصبی مصنوعی، بالاترین دقت مدل ANN-PSO در شبیهسازی بهترتیب مربوط به پارامترهای EC، SAR و TDS و بر اساس نتایج حاصل از درونیابی با روش زمین‌آمار، بالاترین دقت مدل کریجینگ در شبیهسازی بهترتیب مربوط به پارامترهای EC، TDS و SAR بود. نتایج کلی حاصل از شبیهسازی پارامترهای کیفی آب زیرزمینی نشان داد که مدل ANN-PSO دقت بیشتری در شبیهسازی پارامترهای کیفی آب زیرزمینی دشت درفول اندیمشک نسبت به مدل کریجینگ دارد؛ بهطوریکه مقدار R2 برای شبیهسازی پارامترهای SAR، TDS و EC با استفاده از مدل ANN-PSO در مرحله آزمون بهترتیب 92/0، 918/0 و 955/0 و با استفاده از مدل کریجینگ 902/0، 915/0 و 931/0 برآورد شد.
نتیجهگیری: نتایج این پژوهش نشان داد، تلفیق مدلهای شبکه عصبی مصنوعی با الگوریتمهای بهینهسازی، بهعنوان ابزاری مفید برای شبیهسازی پارامترهای کیفی آب زیرزمینی کاربرد دارند.
جیران عسکری؛ اصلان اگدرنژاد
چکیده
زمینه و هدف: آب زیرزمینی یک منبع مهم آب در جهان به‌شمار می‌رود و مطالعه سطح آب زیرزمینی و شوری آب ریرزمینی برای حفاظت و برنامه‌ریزی در خصوص منابع آب، به‌خصوص در مناطق خشک و نیمه‌خشک مانند ایران اهمیت به‌سزایی دارد. انجام آزمایش‌های کمی و کیفی، زمان‌بر و پرهزینه است. بنابراین، استفاده از مدل‌ها برای شبیهسازی کمیت وکیفیت آب زیرزمینی ...
بیشتر
زمینه و هدف: آب زیرزمینی یک منبع مهم آب در جهان به‌شمار می‌رود و مطالعه سطح آب زیرزمینی و شوری آب ریرزمینی برای حفاظت و برنامه‌ریزی در خصوص منابع آب، به‌خصوص در مناطق خشک و نیمه‌خشک مانند ایران اهمیت به‌سزایی دارد. انجام آزمایش‌های کمی و کیفی، زمان‌بر و پرهزینه است. بنابراین، استفاده از مدل‌ها برای شبیهسازی کمیت وکیفیت آب زیرزمینی متداول شده است. در دهه‌های اخیر به سبب پیچیدگی و خصوصیات غیر خطی سیستم-های آب زیرزمینی، مدلهای هوش مصنوعی برای شبیهسازی آبخوان‌ها مورد آزمایش قرار گرفته‌اند.مواد و روشها: پژوهش حاضر به منظور شبیهسازی پارامترهای سطح آب زیرزمینی و شوری آب زیرزمینی دشت دزفول- اندیمشک با استفاده از مدلهای ANN و ANN+GA و درنهایت مقایسه نتایج آنها با داده‌های اندازه‌گیری شده، انجام گرفته است. اطلاعات جمعآوری شده برای ورودی به دو مدل شامل داده‌های هواشناسی و پارامترهای کیفی آب زیرزمینی طی سالهای 1390 تا 1397 به‌صورت ماهانه از 76 چاه می‌باشد.یافتهها: نتایج نشان داد، مدل بهینه برای شبیهسازی سطح آب زیرزمینی ANN+GA با تابع محرک تانژانت سیگموئید و مدل بهینه برای شبیهسازی شوری آب زیرزمینی ANN+GA با تابع محرک لگاریتم سیگموئید می‌باشد. بهطوریکه مقدار آماره‌های RMSE و MAE کمترین مقدار و بیشترین مقدار را برای مدلهای مذکور دارد (در مرحله آزمون، برای پارامتر سطح آب زیرزمینی مقدار 47/7RMSE=، 5/9 MAE=و 979/0= R2و برای پارامتر شوری آب زیرزمینی مقدار 8/6RMSE=، 47/7 MAE= و 99/0= R2محاسبه گردید).نتیجهگیری: بنابراین بهینهسازی مدل شبکه عصبی مصنوعی با استفاده از الگوریتم ژنتیک بسیار مفید، موثر و همچنین باعث کاهش خطا و صرفه‌جویی در زمان و هزینه می‌گردد.
سید علی محمدی نژاد؛ اصلان اگدرنژاد
چکیده
پژوهش حاضر به منظور شبیهسازی پارامترهای کیفی آب زیرزمینی دشت زیدون شامل SAR ، EC و TDS با استفاده از مدلهای ANN و ANN-GA و درنهایت مقایسه نتایج آنها با داده‌های اندازه‌گیری شده، انجام گرفته است. این دشت با مساحتی حدود 1034 کیلومتر مربع در جنوب غربی شهرستان بهبهان واقع شده و دارای اقلیم خشک و بیابانی است. پارامترهای ورودی مدل‌ها برای پارامتر ...
بیشتر
پژوهش حاضر به منظور شبیهسازی پارامترهای کیفی آب زیرزمینی دشت زیدون شامل SAR ، EC و TDS با استفاده از مدلهای ANN و ANN-GA و درنهایت مقایسه نتایج آنها با داده‌های اندازه‌گیری شده، انجام گرفته است. این دشت با مساحتی حدود 1034 کیلومتر مربع در جنوب غربی شهرستان بهبهان واقع شده و دارای اقلیم خشک و بیابانی است. پارامترهای ورودی مدل‌ها برای پارامتر کیفی TDS شامل سدیم، هدایت الکتریکی، کلسیم، منیزیم، سولفات و نسبت جذب سدیم و برای پارامتر کیفی SAR شامل سدیم، کل نمک‌های محلول، بی‌کربنات، کلسیم و منیزیم و برای پارامتر کیفی EC شامل کلسیم، منیزیم، سولفات، سدیم و نسبت جذب سدیم از سال 1390 تا 1397 جمعآوری گردید.نتایج نشان داد، در مدل ANN و ANN-GA بیشترین دقت شبیهسازی SAR در مدل با تابع تانژانت سیگموئید، در مدل شبیه‌ساز EC هم بیشترین دقت در مدلهای ANN و ANN-GA بهترتیب مربوط به توابع محرک لگاریتم سیگموئید و تانژانت سیگموئید می‌باشد. همچنین در مدل ANN و ANN-GA بیشترین دقت شبیهسازی TDS بهترتیب در مدل با توابع محرک تانژانت سیگموئید و لگاریتم سیگموئید به‌دست آمد. بهطوریکه مقدار RMSE و MAE کمترین مقدار و شاخص R2 بیشترین مقدار را دارد. به‌طور کلی با توجه به نتایج بدست آمده، دقت مدل ANN-GA هم بالاتر از مدل ANN، برای شبیهسازی پارامترهای کیفی آب زیرزمینی دشت زیدون برآورد شده است.بنابراین استفاده از مدل شبکه عصبی مصنوعی به‌همراه الگوریتم ژنتیک ابزار مناسبی برای شبیهسازی پارامترهای کیفی آب زیرزمینی در حجم بالا، بدون احتیاج به اندازه‌گیری و کارهای آزمایشگاهی که نیاز به زمان و هزینه بالا دارند، می‌باشد.
علیرضا کریمیان؛ اصلان اگدرنژاد
چکیده
چکیدهزمینه و هدف: مدلسازی آبهای زیرزمینی بهدلیل کارایی بالا و هزینههای کمتر نسبت به روشهای دیگر، بهعنوان ابزار مدیریتی منابع آب مورد توجه قرار گرفته است. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ منابع آب گسترش یافته است. بیشتر این مدل‌ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آنها مشکل ...
بیشتر
چکیدهزمینه و هدف: مدلسازی آبهای زیرزمینی بهدلیل کارایی بالا و هزینههای کمتر نسبت به روشهای دیگر، بهعنوان ابزار مدیریتی منابع آب مورد توجه قرار گرفته است. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ منابع آب گسترش یافته است. بیشتر این مدل‌ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آنها مشکل است و یا اینکه اندازه‌گیری آنها محتاج صرف هزینه و زمان زیادی می‌باشد. در این میان مدلهای شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می‌نمایند، بهعنوان گزینه‌ای برتر معرفی می‌شوند. مطالعه حاضر با هدف شبیهسازی پارامترهای شوری و سطح آب زیرزمینی دشت رامهرمز انجام شد.مواد و روشها: پژوهش حاضر به منظور شبیهسازی پارامترهای سطح آب زیرزمینی و شوری آب زیرزمینی دشت رامهرمز با استفاده از مدل شبکه عصبی مصنوعی و مدل شبکه عصبی مصنوعی بهینه شده و در نهایت مقایسه نتایج آنها با داده‌های اندازه‌گیری شده، انجام گرفت. اطلاعات جمعآوری شده برای ورودی به دو مدلهاشامل بارندگی، حداقل دما، حداکثر دما، میانگین دما، حداقل رطوبت نسبی، حداکثر رطوبت نسبی، میانگین رطوبت نسبی، سرعت باد در ارتفاع 2 متری و مجموع ساعات آفتابی طی سالهای 1390 تا 1396 بود.یافتهها: بر اساس نتایج، بالاترین دقت پیش‌بینی پارامترهای سطح آب زیرزمینی و شوری آب زیرزمینی مربوط به مدل ANN+PSO با تابع محرک تانژانت سیگموئیدی بود؛ بهطوریکه مقدار آماره‌های جذر میانگین مربعات خطا و میانگین خطا مطلق کمترین مقدار و ضریب تعیین بیشترین مقدار را برای مدل مذکور داشت.نتیجهگیری: با توجه به کارایی بالای مدل شبکه عصبی مصنوعی با آموزش الگوریتم بهینهسازی تجمع ذرات، می‌توان از این مدل جهت اتخاذ تصمیمات مدیریتی و حصول اطمینان از نتایج پایش و کاهش هزینه استفاده کرد.نوع مقاله: اصیل پژوهشیکلید واژه‌ها: سطح آب زیرزمینی، شبیهسازی، شوری آب زیرزمینی، مدل شبکه عصبی مصنوعی
اسلام نظری؛ اصلان اگدرنژاد؛ رضا جلیل زاده ینگجه
چکیده
زمینه و هدف: تعیین کیفیت آب رودخانه‌ها برای تصمیم‌گیری در خصوص استفاده از آنها بسیار اهمیت دارد. به همین دلیل، این تحقیق به منظور بررسی کیفیت آب رودخانه‌های استان خوزستان انجام شد. مواد و روشها: رودخانه‌های مورد بررسی شامل دز، کرخه، کارون، مارون و زهره که مطالعه حاضر با استفاده از داده‌های برداشت شده در طول سال 1397 در ایستگاه‌های ...
بیشتر
زمینه و هدف: تعیین کیفیت آب رودخانه‌ها برای تصمیم‌گیری در خصوص استفاده از آنها بسیار اهمیت دارد. به همین دلیل، این تحقیق به منظور بررسی کیفیت آب رودخانه‌های استان خوزستان انجام شد. مواد و روشها: رودخانه‌های مورد بررسی شامل دز، کرخه، کارون، مارون و زهره که مطالعه حاضر با استفاده از داده‌های برداشت شده در طول سال 1397 در ایستگاه‌های معین بر روی این رودخانه‌ها انجام شد. بدین منظور، از استاندارد ایران، سازمان بهداشت جهانی و محیط زیست کانادا و دیاگرام‌های شولر و ویلکاکس استفاده شد. از شاخص‌های کیفی IRWQIsc و NSFWQI نیز برای تعیین رتبه کیفی آب این رودخانه‌ها استفاده شد. یافتهها: نتایج نشان داد که آب رودخانه دز از نظر صنعتی خورنده است در حالی که سایر رودخانه‌ها دارای آب رسوبگذار برای مصارف صنعتی بودند. کیفیت آب دز از نظر شرب بهتر از سایر رودخانه‌های استان خوزستان بود لیکن این رودخانه نیز براساس دیاگرام شولر دچار منیزیم، سختی و کلر بالا شده است. برای مصارف کشاورزی استفاده از آب این رودخانه نسبت به سایر رودخانه‌ها بهتر بود. رودخانه کارون وضعیت متوسطی نسبت به سایر رودخانه‌ها داشت و کیفیت آب در بالادست بهتر از پایین دست است. براساس شاخص IRWQIsc دامنه تغییرات کیفیت آب رودخانه‌های دز، کرخه، کارون، مارون و زهره به ترتیب 83-71، 52-41، 55-39، 41-33 و 32-25 بود. نتایج شاخص NSFWQI برای رودخانه‌های دز، کرخه، کارون، مارون و زهره به ترتیب نشان داد که مقدار این شاخص در رودخانه‌های مذکور بین 77-65، 70-55، 68-58، 60-52 و 48-36 متغیر بود. نتیجهگیری: براساس نتایج، کیفیت رودخانه دز در وضعیت نسبتاً خوب قرار داشت. رودخانه‌های کارون و کرخه در وضعیت متوسط قرار داشتند و سایر رودخانه‌ها دارای وضعیت نسبتاً بد بودند. براساس کلیه شاخص‌ها، کیفیت آب رودخانه زهره در وضعیت بد و رودخانه دز در وضعیت خوب قرار داشت. سایر رودخانه‌ها کیفیت متوسطی داشتند.