عنوان

تخمین مکانی-زمانی تغییرات سطح آب زیرزمینی با استفاده از زمین‌آمار و مدل‌های هوشمند

Number

‭۳۹۰۳پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تخمین مکانی-زمانی تغییرات سطح آب زیرزمینی با استفاده از زمین‌آمار و مدل‌های هوشمند

First Statement of Responsibility

/ابوذر صالحی

Name of Publisher, Distributor, etc.

تبریز: دانشگاه تبریز،دانشکده کشاورزی ،مهندسی آب

Specific Material Designation and Extent of Item

‮‭۸۱‬ص‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی آب گرایش مهندسی منابع آب

Date of degree

‮‭۱۳۹۰/۱۱/۳۰‬

Body granting the degree

تبریز: دانشگاه تبریز،دانشکده کشاورزی ،مهندسی آب

Text of Note

اکثر مناطق ایران در نواحی خشک و نیمه خشک قرار دارند و به دلیل خشکسالی‌های اخیر و همچنین به دلیل کیفیت بهتر آب‌های زیرزمینی) آلودگی کمتر (برای مصارف آشامیدنی نسبت به سایر منابع آب برداشت بی‌رویه از آب‌های زیرزمینی افزایش پیدا کرده است .دشت پر اهمیت برخوار واقع در حوضه آبریز زاینده رود، که در محدوده شهر اصفهان می‌باشد از این قاعده مستثنی نمی‌صباشد از طرفی پی بردن به تغییرات مکانی و زمانی مقادیر کمی و کیفی آب زیرزمینی می‌تواند در توسعه استراتژی‌های منابع آب بسیار مهم باشد .لذا ارزیابی تغییرات مکانی و زمانی سطح آب زیرزمینی و همچنین عناصر کیفی می تواند نقش کلیدی در توسعه منابع آب دارا باشد .بدین منظور روش‌های قدرتمندی از جمله زمین آمار، شبکه عصبی مصنوعی و برنامه‌ریزی بیان ژن جهت تخمین جامع، دقیق و قابل اعتماد از سطح آب زیر زمینی و همچنین کیفیت آب زیر زمینی آن به کار گرفته شد .در آبخوان‌هایی که با بهره‌برداری بیش از حد مواجه می‌باشند ، داشتن یک تخمین جامع، دقیق و قابل اعتماد از سطح آب زیرزمینی و همچنین کیفیت آن به شدت مورد نیاز می‌باشد برای دست‌یابی به چنین پارامترهای روش‌های مختلفی به کار برده شده است .به منظور ارزیابی عملکرد مدل‌صهای تخمین‌صگر استفاده شده در این تحقیق، از شاخص‌صهای آماری ضریب تبیین‮‭(R۲)‬ ، به عنوان معیار دقت و ریشه میانگین مربعات ‮‭(RMSE)‬ به عنوان معیار خطا استفاده شد .در نهایت با توجه به کمبود داده، در مورد پارامترهای کیفی روش‌های هوش مصنوعی به نسبت قابل قبول‌تری ارائه نموده‌اند .هر چند این تفاوت‌ها در بعضی از موارد قابل اغماض می‌باشد.اما در مورد پارامتر کمی که همان سطح ایستابی درون چاهک‌ها می‌باشد روش زمین آمار با اندک تفاوتی که نسبت به روش‌های هوش مصنوعی به ویژه شبکه عصبی دارد روش مناسب‌تری می‌باشد هرچند به عنوان یک اظهار نظر کلی در مجموعه به عنوان مناسب‌ترین روش در همه موارد می‌توان به روش شبکه‌های عصبی اشاره نمود

Text of Note

The most part of Iran is located at arid and semi-arid regions. Due to the recent drought periods, the use of groundwaters for drinking purposes has been increased because of their better quality. Borkhar plain as an important plain in Zayandehroud basin in Esfahan City area is one of the areas facing such a problem. Understanding the spatiotemporal variations of groundwaters is important factor in development of water resources strategies. In order to assess these variations and the changes in contaminants, some powerful and reliable methods such as geostatistics, Artificial Neural Networks and genetic expression programming for a reliable prediction of water table and groundwater quality. Of the used methods in this area of study, ANNs and GEP can be mentioned. Quantification of the water resources is significantly important in a stable development. An integrated and reliable prediction of water table and groundwater quality is a must in the overused aquifers. In order to obtain such parameters different methods have been used. In order to evaluate the used predictor models in this study, the correlation coefficient (R2) as the index of accuracy and the Root Mean Square Error (RMSE) as the index of error were used. According to the lack of data, the Artificial Intelligence methods showed more acceptable results. However the differences could be negligible in some cases. In comparison, the quantitative parameter (water table level inside observation wells) the geostatistic method was recognized a more reliable method than artificial intelligence methods. Finally, as an overall view, the ANNs method can be introduced as the most preferable method than the others

صالحی،ابوذر

قربانی، محمد علی، استاد راهمنا

فاخری‌فرد،احمد، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی