ارزیابی قابلیت و کارآیی عملکرد روشهای فرا مدل در تخمین تغییرات تراز آب زیرزمینی
نام نخستين پديدآور
/مهناز قوسی مهربانی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فنی مهندسی عمران
تاریخ نشرو بخش و غیره
، ۱۳۹۵
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی عمران - سازههای هیدرولیکی
زمان اعطا مدرک
۱۳۹۵/۰۶/۲۱
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
چکیده : اندازهصگیری تراز آب زیرزمینی در مناطق خشک و نیمهصخشک که دارای توزیع ناهمگن بارش هستند، بهمنظور مدیریت هرچه بهتر منابع آب و دسترسی به اطلاعات دقیق وکافی از نوسانات سطح ایستابی آبصهای زیرزمینی بسیار حائز اهمیت است .یکی از جدیدترین روشصهای الگوریتم تکاملی روش برنامهریزی بیانژن ((Gene Expression Programming (GEP)میص-باشدکه به صدلیل بالابودن سرعت همگرایی محاسبات و دقت شبیهصسازی، در بیشتر پدیدههای طبیعی میصتواند مورد استفاده قرارگیرد .در این روش نتایج حاصل از تحلیل مدلصهای تعریفشده بهصورت صریح بوده و میتواند برای پدیده مورد بررسی رابطهای ارائه دهد .در این تحقیق روشGEP برای ارزیابی مکانی و زمانی تراز آب زیرزمینی چاهصهای باری، کیلبورن، پری و اسپرینگفیلد واقع درایالت ایلینوی آمریکا بکار گرفته شدهاست .بهصاین منظور از دادهصهای روزانه، دهروزه و ماهانه چاههای مورد نظر استفاده گردیدهاست .ارزیابی مدلصهای تعریفشده برای تغییرات تراز آب چاهصهای مذکور، به دو صورت ارزیابی زمانی و مکانی با دو الگوی جداسازی دادهها به نسبت۷۰ -۳۰و۶۰ -۴۰به ترتیب برای آموزش و صحتصسنجی صورتگرفت .با توجه به نتایج بدستآمده برای مدلهای مختلف، بهترین مدل انتخابگردید و نتایج بهترین مدل، بار دیگر برای دادههای ماهانه و دادههای دهروزه با دو الگوی فوق مورد ارزیابی قرارگرفت .با توجه به این که نوسانات سطح آب غیر محسوس میباشد، نتایج مربوط به ارزیابی زمانی با استفاده از دادههای روزانه قابل استنتاج نمیباشد .نتایج نشان داد که بهترین مدل برای دادههای زمانی هر چاه با الگوی جداسازی به نسبت۷۰ - ۳۰دارای بهترین عملکرد بوده و نیز دادههای زمانی ماهانه دارای نتایج مناسبتری نسبت به دادههای روزانه و دهروزه بودهاست .نتایج حاصل از ارزیابی زمانی دادهها نشانداد که مدل ماهانه M۱ که شامل پارامترHt - ۱است برای دادههای چاههای باری و کیلبورن بهترین نتیجه را داراست .نتایج پارامترهای ارزیابی برای مرحله صحتصسنجی برای بهترین مدل چاه باری و کیلبورن به ترتیب برابر ,DC=۰.۹۰۶ ,MAE=۰.۴۱۰ft R=۰.۹۶۱و ,DC=۰.۹۹۸ ,MAE=۰.۰۲۱ft R=۰.۹۹۹ میباشد .همچنین مدل ماهانه M۲ که شامل پارامترHt - ۱وHt - ۲است برای دادههای چاههای پری و اسپرینگفیلد به عنوان مدل برتر جهت پیشبینی تغییرات سطح آب زیرزمینی انتخاب شدهاست .نتایج پارامترهای ارزیابی برای مرحله صحتصسنجی برای بهترین مدل چاهصهای پری و اسپرینگفیلد بهترتیب برابر ,DC=۰.۹۹۵ ,MAE=۰.۰۷۷ft R=۰.۹۹۸و ,DC=۰.۹۹۶ ,MAE=۰.۰۵۳ft R=۰.۹۹۷میباشد .در نتایج حاصل از ارزیابی مکانی با اغماض از نتایج به دست آمده از دادههای روزانه، نتایج مربوط به ارزیابی دادههای دهروزه چاههای پری- باری مدل M۱ بهصورت (Htp=f(HtB با الگوی جداسازی دادهها به نسبت۷۰ -۳۰به عنوان بهترین مدل ارزیابی مکانی انتخاب شده است .پارامتر HtB بیانگر دادههای ورودی تراز دهروزه سطح آب زیرزمینی چاه باری است .نتایج پارامترهای ارزیابی برای مرحله صحتصسنجی برای این مدل مکانی ,DC=۰.۶۹۷ ,MAE=۶.۳۴۳ft R=۰.۷۰۲ میباشد .همچنین میتوان گفت که نتایج ارزیابی مکانی به فاصله بین چاهها و اختلاف تراز بین آنها نیز وابسته است .اختلاف تراز و فاصله بین دو چاه باری-پری دارای کمترین مقدار نسبت به دو چاه پری-کیلبورن و باری-کیلبورن است .نتایج حاصل از مدلصهای زمانی و مکانی، قابلیت و کارآیی مطلوب عملکرد روش GEP را در تخمین میزان تغییرات تراز آب زیرزمینی بیان میصکند .
متن يادداشت
Abstract: Measuring ground water level, in order to better management of water resources and access to an accurate and sufficient information of underground water level fluctuations is very important, especially in arid and semi-arid areas that have a heterogeneous distribution of precipitation. The Gene Expression Programing method is one of the newest methods of evolutionary algorithms that can be used in most phenomena because of the high convergence speed in calculations and accuracy of simulation. In this method, the results of the analysis defined models are explicit and it offers an equation for case study. In this study, GEP method was applied to evaluate the spatial and temporal ground water level of Barry, Kilbuorne, Perry, Springfield wells in Illinois state of America that is considered two data separation pattern with ratio of 30-70 and 40-60 for training and testing respectively. For this purpose, daily, monthly and ten days ground water level data of these wells were used. According to the results, the best model of daily data was chosen and it was evaluated for monthly and ten days data by mentioned patterns. The results of temporal evaluation with daily data are not deduced due to the imperceptible fluctuation of water level in wells. The results show that the best pattern for data of each well with ratio of 30-70 had the best performance. As well as temporal monthly data have better outcomes than daily and ten-day data. The results of the temporal evaluation of data showed that monthly model M1, which includes parameter Ht-1 have best result for Barry and Kilbuorne wells. The results of the evaluation criteria in the testing stage for the select model of Barry and Kilburn wells are (R=0.999, DC=0.906, MAE=0.410ft and R=0.961, DC=0.998, MAE=0.021ft respectively. As well as temporal monthly model M2 that includes parameters Ht-1 and Ht-2 was selected for Perry and Springfield as the best model to predict groundwater level. The results of the evaluation criteria in the testing stage for the select model of Perry and Springfield wells are R=0.995, DC=0.998, MAE=0.077ft and R=0.997, DC=0.996, MAE=0.053ft respectively. In obtained results from spatial evaluation, Regardless of daily data outcomes, the results of the ten-day evaluation Perry- Barry wells show that M1(Htp = f (HtB)) with the pattern separation 30-70 was selected as the best model. parameter HtB indicates underground water level data of Barry wells. The results of the evaluation criteria in the testing stage for this spatial model are R=0.702, DC=0.697, MAE=6.343ft. According to results can be said that spatial evaluation results are dependent on distance between the wells and level difference between them. The distance level difference between Barry-Perry wells is lower than Perry- Kilbuorne and Barr- Kilbuorne. The results of spatial and temporal modeling presents the capability and efficiency of GEP method to estimate the ground water level fluctuating
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )