چکیده :
استفاده از شبکه عصبی در پیش بینی متغیرهای منابع آبی از جمله آب زیرزمینی بطور گسترده رو به افزایش است. این تحقیق از طریق شبکه عصبی مصنوعی چندین هدف را دنبال می کند، که شامل تعیین پارامترهای موثر بر نوسانات سطح آب زیرزمینی در دشت بیرجند و همچنین بررسی تاثیر مکانی و زمانی پارامترهای سطح آب از طریق دادههای زمانی 10 ساله و سپس مدلسازی نوسانات سطح آب زیرزمینی در پیزومترهای منتخب در دشت مورد مطالعه می باشدکه بهترین مدلسازی نوسانات سطح آب با مدل شبکه عصبی FNN-LM از طریق انتخاب پارامترهای مناسب و با قابل قبول ترین تاخیر زمانی 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.
مقدمه:
یکی از فاکتورهای مهم در مدیریت صحیح هر زمینه، داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه می باشد. در مدیریت منابع آب این امر مستثنی نبوده و آگاهی از وضعیت منابع آب در یک منطقه نقش تعیین کننده ای در برنامه ریزی های آبی، کشاورزی و … آن دارد. خصوصا اگر بتوان با استفاده از تحلیل های آماری، مدلهای ریاضی و … شرایط منابع آب در آینده را نیز پیش بینی نمود.
با توجه به کاهش نزولات جوی و خشکسالی دهه اخیر و در نتیجه کمبود آب در پهنه وسیعی از کشور، مدیریت آبهای زیرزمینی از اهمیت و حساسیت بسیار زیادی برخوردار است. برای اعمال یک مدیریت صحیح نیاز به شناسایی و به مدل درآوردن و پیش بینی نوسانات سطح آب سفره های زیر زمینی در دشتها جهت برنامهریزیهای بلندمدت و استفاده بیشتر و بهتر از پتانسیلهای آبی دشتها عمیقاً احساس میشود. فاکتورها و عوامل مختلفی بر روی سطح آب زیرزمینی تاثیر گذار است که از جمله آنها، عوامل آب و هوایی(حرارت، میزان بارندگی، تبخیر)، میزان تخلیه و تغذیه از سفره و... می باشند، که تحلیل این پدیده را مشکل می سازند. مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل نوسانات سطح آب زیرزمینی (هیدروگراف) می باشند.
اساس اکثر روشهای پیش بینی بر پایه نوعی شبیه سازی از وضعیت موجود سیستم میباشد که اصطلاحاً به این موضوع مدلسازی (Modeling) گفته میشود. مدلهای احتمالاتی یا مدل های آماری از رابطه مابین سریهای زمانی و یک یا چند سری زمانی دیگر بهره میجویند.
امروزه به جهت پیش بینی و یافتن و درک روابط بین پارامترهای موثر در نوسانات سطح آب زیرزمینی (زمانی و مکانی)، از تکنیک های پیشرفته استفاده می گردد. یکی از این روشها استفاده از شبکه عصبی مصنوعی می باشد، که این شبکه ها الهام گرفته از مغز انسان و چگونگی پردازش اطلاعات ؛ آموزش و یادگیری می باشد.
مدل شبکه عصبی مصنوعی در واقع یک مدل جعبه سیاه (Black Box) می باشد که فقط از طریق آموزش و یادگیری به ارتباط پیچیده و پنهان پدیده ها بخصوص پدیده های غیر خطی که بوسیله مدل های خطی و روابط آماری قابل درک و استنباط نیست، دست پیدا می کند.
مدلهای پیش بینی که از طریق شبکه های عصبی مصنوعی بدست می آید به نسبت مدلهای خطی نظیر ARIMA و یا حتی مدلهای غیر خطی دیگر مانند فازی مدلهای بسیار کارا بوده و نتایج بسیار خوبی را نشان می دهند.
در این تحقیق نیز با توجه به اهمیت موضوع مدیریت و بهره برداری بهینه از منابع آبهای زیرزمینی ، از طریق سری های زمانی به مدلسازی و شبیه سازی و در نهایت پیش بینی نوسانات سطح آب زیرزمینی با استفاده از روش شبکه عصبی مصنوعی در منطقه مورد مطالعه پرداخته شده است. منطقه مورد مطالعه دشت بیرجند می باشد که منطقه ای خشک وبیابانی بوده و استفاده از آب زیرزمینی در آن از اهمیت بالایی برخوردار است.
شامل 161 صفحه word
دانلود تحقیق کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی