عنوان

شبیه سازی شوری آب زیرزمینی با استفاده از روش رگرسیون چندمتغیره (MR) و شبکه عصبی مصنوعی (ANN) (مطالعه موردی : دشت مرند)

Number

پ۲۹۷۷۶

.Language of Text, Soundtrack etc

per

Title Proper

شبیه سازی شوری آب زیرزمینی با استفاده از روش رگرسیون چندمتغیره (MR) و شبکه عصبی مصنوعی (ANN) (مطالعه موردی : دشت مرند)

First Statement of Responsibility

شبیه سازی شوری آب زیرزمینی با استفاده از روش رگرسیون چندمتغیره (MR) و شبکه عصبی مصنوعی (ANN) (مطالعه موردی : دشت مرند)

Name of Publisher, Distributor, etc.

مهندسی عمران(پردیس دانشگاه تبریز)

Date of Publication, Distribution, etc.

۱۴۰۲

Specific Material Designation and Extent of Item

۱۲۵ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

عمران گرایش محیط زیست

Date of degree

۱۴۰۲/۰۶/۲۰

Text of Note

مدل سازی مناسب کیفیت آب زیر زمینی یکی از ابعاد مهم تصمیم¬گیری در خصوص مدیرت منابع آب می باشد. در این تحقیق برای مدل سازی پارامترهای آب زیرزمینی از روشهای شبکه عصبی پرسپترون چند لایه(MLP)، شبکه عصبی شعاعی(RBF) و رگرسیون چندگانه خطی در محیط نرم افزاری IBM SPSS Modeler استفاده شد. از داده¬های سازمان آب منطقه ای استان آذربایجان شرقی برای 75 چاه دشت مرند در دوره¬های آماری 1382-1400 بعد ازخوشه¬بندی چاه¬ها در چهارخوشه، برای مدل سازی پارامترEC بهره گرفته شد.پس از بررسی میزان همبستگی پیرسون بین متغیرهای CL-So4-Hco3-PH-Ca-Mg-k-Na و پارامتر EC ، هشت متغیر مذکور به عنوان متغیرمستقل و پارامترEC به عنوان متغیر وابسته درنظر گرفته شدند. از معیارهای MAE,RMSE,R2,NS برای ارزیابی مدلها و روشهای بکاررفته در این تحقیق استفاده شد و در نهایت نتایج نشان میدهد که روش رگرسیون در مقایسه با روشهای شبکه عصبی از نظر چهارمعیار ارزیابی از عملکرد بهتری برخورداراست.

Text of Note

Appropriate modeling of underground water quality is one of the important dimensions of decision-making regarding water resources management. In this research, to model the parameters of groundwater using multilayer perceptron neural network methods (MLP) Radial Basis Function (RBF) and Multiple Linear Regression and It was used in the IBM SPSS Modeler software environment. From the data of East Azerbaijan Regional Water Organization for 75 wells of Marand plain in the statistical periods of 1382-1400 after clustering the wells into four clusters, EC parameters were used for modeling. After examining the perceptron correlation between the variables CL, So_4, Hco_3, PH, Ca, Mg, k, Na and Ec parameters; The mentioned eight variables were considered as independent variables and EC parameter as dependent variable.MAE, RMSE, R2 and NS criteria were used to evaluate the models and methods used in this research.And finally, the results show that the regression method has a better performance compared to the neural network methods in terms of the fourth evaluation criterion.

Variant Title

: Simulation of groundwater salinity using multivariate regression (MR) method and artificial neural network (ANN) (Case study: Marand plain)

Entry Element

‏هنرمند عظیمی،

Part of Name Other than Entry Element

محمد‏

Relator Code

تهیه کننده

Entry Element

تاری نژاد،

Entry Element

روشنگر،

Part of Name Other than Entry Element

رضا‏

Part of Name Other than Entry Element

کیومرث‏

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز