آمار
| تعداد نشریات | 30 |
| تعداد شماره‌ها | 956 |
| تعداد مقالات | 8,322 |
| تعداد مشاهده مقاله | 8,753,663 |
| تعداد دریافت فایل اصل مقاله | 6,923,760 |
کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیشبینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست) | ||
| علوم و مهندسی آبیاری | ||
| مقاله 8، دوره 36، شماره 3، آذر 1392، صفحه 81-92 اصل مقاله (631.98 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| حسین ملکی نژاد* 1؛ ربابه پورشرعیانی2 | ||
| 1دانشیار دانشکده منابع طبیعی، دانشگاه یزد | ||
| 2دانش‌آموخته ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه یزد | ||
| چکیده | ||
| پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر بهویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیشبینی نوسانات سطح آب زیرزمینی در دشت مروست از مدلهای سری زمانی و شبکه عصبی استفاده شد. برای مدلسازی، اطلاعات سطح آب زیرزمینی در طی سالهای 88-1366 استفاده و مدلهای مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر دادهها برازش داده شد. کارآیی و دقت مدلهای آریما در پیشبینی مقادیر آتی توسط معیار اطلاعاتی آکائیک و جذر مربع میانگین خطاها مورد ارزیابی قرار گرفت. نتایج بررسی حالتهای مختلف مدل آریما نشان داد که مدل آریما(1,1,0) بهترین برازش را با دادهها دارد. در مدل شبکه عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا از سه تابع آموزشی لونبرگ مارکوآرت، پس انتشار ارتجاعی و شیب توأم مقیاس شده استفاده شد. با توجه به نتایج به دست آمده از بین سه تابع آموزشی، تابع لونبرگ مارکوآرت به عنوان بهترین تابع آموزشی برای پیشبینی سطح آب زیرزمینی انتخاب گردید. برای ارزیابی و انتخاب روش بهتر، بین مدل سری زمانی تلفیقی آریما (1,1,0)و مدل شبکه عصبی پیش خور با الگوریتم پس انتشار خطا، از آمارههای میانگین مربع خطاها، میانگین قدر مطلق خطاها و ضریب بازدهی استفاده شد که مدل شبکه عصبی نسبت به سری زمانی تلفیقی برتری جزئی نشان داد. | ||
| کلیدواژه‌ها | ||
| مدل سری زمانی تلفیقی؛ شبکه عصبی مصنوعی؛ دشت مروست؛ سطح آب زیرزمینی | ||
|
آمار تعداد مشاهده مقاله: 2,009 تعداد دریافت فایل اصل مقاله: 2,831 |
||