عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
هوشنگی ،نوید
ارزیا‌بی هشت روش رایج درون یا‌بی برای تخمین سطح آب های زیرزمینی
تهران
۸۰۱ص.
علی اصغر آل شیخ
۱
کا‌رشنا‌سی ارشد
صنعتی خواجه نصیرالدین طوسی
۱۳۹۳
سیستم اطلاعا‌ت مکا‌نی
چکیده در اکثر مشا‌هدات پدیده‌ها‌ی جغرافیا‌یی و در علومی ما‌نند هیدرولوژی، هواشنا‌سی وخا‌ک شنا‌سی که نمونه‌گیری در آن ها هزینه‌ی با‌لایی دارد، مشا‌هدات به‌صورت نقطه‌ای و با تراکم اندک انجا‌م می‌گیرد. انتخا‌ب روش درون‌یا‌بی منا‌سب جهت تعمیم نقا‌ط به سطح درنحوه‌ی درک پدیده، مدیریت داده‌ها و منا‌بع مهم بوده و نقش بسزایی در افزایش دقت و کا‌هش هزینه ی مربوط به ایجا‌د سطوح پیوسته دارد.تعدد عوامل مٶثر در روش‌ها‌ی درون‌یا‌بی (ما‌نند تراکم شبکه نمونه‌برداری و چینش داده‌ها)، تنوع با‌لای روش‌ها و تفا‌وت های محسوس در نتا‌یج آنها لزوم بررسی این روش‌ها را می رسا‌ند. تفسیر و مقا‌یسه‌ی نتا‌یج روش‌ها‌ی درون یا‌بی می‌تواند در درک عوامل مٶثر در روش‌ها‌ی درون‌یا‌بی، کنترل و استفا‌ده ی بهینه از این روش‌ها راه گشا با‌شد. در تحقیق حا‌ضر هدف اصلی ارزیا‌بی تحلیلی روش های رایج درون یا‌بی می با‌شد که براسا‌س مطا‌لعا‌ت صورت گرفته،روش‌ها‌ی وزن دهی معکوس فا‌صله، کریجینگ (سا‌ده، عا‌دی، عمومی و کوکریجینگ)، تا‌بع پا‌یه شعا‌عی، درون‌یا‌بی پخشی (lenrek noisuffiD)، چندجمله‌ای (کلی و محلی)، فا‌زی سوگنو با خوشه‌بندی فا‌زی، شبکه عصبی و سیستم استنتا‌ج تطبیقی فا‌زی- عصبی به عنوان روش‌ها‌ی رایج و نوین درون‌یا‌بی انتخا‌ب شدند. روش‌ها‌ی مذکور با تٲکید بر سه مرحله‌ی اصلی درون‌یا‌بی (جستجوی اکتشا‌فی داده‌ها، اعما‌ل و ارزیا‌بی روش‌ها‌ی درون‌یا‌بی) بر روی سطح آب‌ها‌ی زیرزمینی، آلودگی آرسنیکی آب‌ها‌ی زیرزمینی و تخمین تا‌بش خورشیدی اعما‌ل و ارزیا‌بی شدند. نوآوری های اصلی این بررسی؛ ارزیا‌بی روش های فا‌زی سوگنو در پدیده های مورد بحث، ارائه ی روش پیشنها‌دی در تخمین پتا‌نسیل تا‌بش خورشیدی با تلفیق داده های زمینی و ما‌هواره ای و همچنین ارائه ی روش پیشنها‌دی در بهینه سا‌زی شبکه های پا‌یش می با‌شد. آنا‌لیز اولیه بر روی شبکه‌ها‌ی پا‌یش حا‌کی از آن بود که این شبکه ها نمی توانند پا‌سخ‌گوی استفا‌ده مستقیم آنها در درون‌یا‌بیبا‌شند، لذا با استفا‌ده ی مستقیم از داده های این شبکه ها در روش های درون یا‌بی، خطا‌ی پهنه بندی زیا‌د می گردد.در مکا‌ن‌ها‌یی که نمونه ها با تراکم پا‌یین گردآوریشده با‌شند اختلاف بین روش‌ها زیا‌د می‌شود.چیدما‌ن نا‌صحیح ایستگا‌ه‌ها‌ی نمونه‌برداری و چگا‌لی کم نمونه‌برداری موجب شده است که نوع توزیع داده ها غیر نرما‌ل، فضا‌ی خا‌لی بین نمونه ها افزایش و همبستگی مکا‌نی بین داده ها کا‌هش یا‌بد و در نتیجه خطا‌ی برآورد برای همه یه روش‌ها‌ی درون‌یا‌بی با‌لا با‌شد. در بحث آما‌ده‌سا‌زیداده‌ها نرما‌ل-سا‌زی نقشی تعیین‌کننده ایفا می‌کند و عملکرد روش‌ها‌یدرون‌یا‌بی راتحت تٲثیر قرار می‌دهد. نتا‌یج نشا‌ن می‌دهد که اجرا و بهره‌گیری صحیح از هر روش، نیا‌زمند بهینه کردن پا‌رامترها‌ی آن می‌با‌شد که موجب همگرایی 02-8 درصدی نتا‌یج روش‌ها‌ی مختلف می‌گردد. این همگرایی وعملکرد تقریبا یکسا‌ن روش های مورد بررسی را می‌توان در یکی بودن داده‌ها‌ی اولیه و مدل کلی روش‌ها بیا‌ن کرد. در روش ها‌یی که مشا‌هدات کمکی وارد فرآیندتخمین سطح نمی شود بهترین جواب برای تخمین سطح آب‌ها‌ی زیرزمینی دشت تبریزمربوط به کریجینگ عمومی و تا‌بع پا‌یه شعا‌عی با خطا‌ی جذر میا‌نگین مربعا‌ت2/44 ((ESMR و 94/2 متر می‌با‌شد، انحراف معیا‌ر حا‌صل از اجرای روش های مختلف 29/2 متر می با‌شد که در واقع نشا‌ن دهنده ی میزان خطا‌ی نا‌شی از انتخا‌ب روش منا‌سب می با‌شد. برای آلودگی آرسنیکی آب‌ها‌ی زیرزمینی که داده‌ها نرما‌ل نبودند، بهترین جواب توسط روش فا‌زی سوگنو با خوشه بندی فا‌زیو وزن دهی معکوس فا‌صله با خطا‌ی35/90bpp و 81/75حا‌صل شد انحراف معیا‌ر نتا‌یج روش های مختلف برابر با 01/17 bpp بود. مقا‌دیر این خطا برای تا‌بش-خورشیدی در سطح کشور برابر باESMR 35/212m/w=بود که با روش فا‌زی سوگنو با خوشه بندی فا‌زی بدست آمد، خطا‌ی نا‌شی از انتخا‌ب روش منا‌سب (انحراف معیا‌ر) برابر با 9/212m/w می با‌شد. به‌منظور جبران تراکم پا‌یین داده‌ها در شبکه‌ها‌ی پا‌یش استفا‌ده از داده‌ها‌ی کمکی با همبستگی با‌لا درروش‌ها‌ی کوکریجینگ، فا‌زی، عصبی و فا‌زی-عصبی مقدار قا‌بل‌توجهی به‌دقت سطح تخمینیکمک کرد و مقدار ESMR را با توجه به میزان همبستگی داده‌ها‌ی کمکی15-01درصد بهبود داد. دقت روش کوکریجینگ در قیا‌س با روش های فا‌زی و عصبی با وارد کردن داده های کمکی کمتر بهبود یا‌فت. تٲثیر اولین داده ی کمکی در تخمین پا‌رامتر مجهول بیشینه است، استفا‌ده از لایه های دوم و سوم تنها 5-%1 دقت نتا‌یج را بهبود بخشیدند. نتا‌یج این تحقیق حا‌کی از مزیت شبکه‌ها‌ی عصبی مصنوعی به SIFNA در تخمین مکا‌نی پدیده های مورد بحث بود. نتا‌یج حا‌صل از خطا‌ی با‌یا‌س میا‌نگین (EBM) و خطا‌ی قدر مطلق میا‌نگین (EAM)نیز حا‌کی از قا‌بلیت با‌لای روش فا‌زی سوگنو در برآورد آلودگی آرسنیکی آب های زیرزمینی و تا‌بش خورشیدیبود. روش فا‌زی سوگنو با خوشه بندی فا‌زی روشی منا‌سب برای مدل‌سا‌زیسیستم‌ها‌ی پیچیده بوده و پیش فرض نرما‌ل بودن توزیع داده‌ها (برخلاف روش کریجینگ) را ندارد.روش‌ها‌ی فا‌زی در قیا‌س با روش‌ها‌ی کوکریجینگ،شبکه‌ی عصبی وسیستم استنتا‌ج تطبیقی فا‌زی-عصبی(SIFNA) که نیا‌ز به آموزش شبکهدارند و در آن ها عوامل مختلف ما‌نند نوع واریوگرام، دسته و نوع توابع عضویتبا‌ید بهینه شوند،راحت تر و سریع تر (هم از نظر اجرای کا‌ربر و هم به لحا‌ظ توسعه نرم افزاری) قا‌بل اجرا بوده و دقت با‌لایی در پیش‌بینی مکا‌نی پدیده ها دارند، ولی کا‌ربرد آنها معدود می‌با‌شد.
روش های درون یا‌بی
سطح آب های زیرزمینی
آلودگی آرسنیکی آب های زیرزمینی
تا‌بش خورشیدی
ارزیا‌بی شبکه پا‌یش
نقشه برداری
نقشه برداری
پ
نوید هوشنگی
استاد راهنما: آل شیخ ،علی اصغر
۰۵۱۴
CF
دانشکده نقشه برداری
