عنوان

بهبود پیش بینی مجموعه‌ای فرآیند های هیدرولوژیکی با استفاده از خوشه بندی مجموعه‌ای

شماره

‭۲۷۰۴پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

بهبود پیش بینی مجموعه‌ای فرآیند های هیدرولوژیکی با استفاده از خوشه بندی مجموعه‌ای

نام نخستين پديدآور

/صادق وندا

نام ناشر، پخش کننده و غيره

: مهندسی عمران

نام خاص و کميت اثر

‮‭۱۰۸‬ص‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی عمران گرایش عمران - آب

زمان اعطا مدرک

‮‭۱۳۹۳/۰۶/۲۵‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

آب زیرزمینی به عنوان یکی از با ارزش ترین منابع طبیعی شناخته شده و به عنوان یک منبع قابل اتکای آب در تمامی مناطق آب و هوایی در اقصی نقاط دنیا می باشد .در کنار مصارف کشاورزی، آب زیرزمینی یکی از اساسی ترین منابع آب برای مصارف خانگی و اهداف صنعتی است .بنابراین، مدل سازی سطح آب زیر زمینی یک موضوع بسیار مهم برای حفاظت از محیط زیست، حفظ تعادل در سیستم آب زیرزمینی، کنترل نوسانات سطح آب زیرزمینی و حفاظت در برابر فرونشست شدید زمین می باشد .آب زیرزمینی همچنین نقش مهمی را در کاهش تاثیر خشکسالی در سیستم منابع آب ایفا می نماید .یک مدل دقیق و قابل اتکا برای پیش بینی سطح آب زیرزمینی می‌تواند استفاده پایدار از آبخوان حوضه را برای مصارف شهری و روستایی تضمین کند .سیستم‌های آب زیرزمینی دارای ویژ گی‌هایی نظیر پیچیدگی، غیر خطی بودن، چند مقیاسه بودن و تصادفی بودن می باشند که در همه آنها فاکتورهای طبیعی نقشی اساسی را ایفا می کنند .همین مسئله موجب پیچیدگی در پیش‌بینی آنها می گردد .از این رو، مدل‌های هیدرولوژیکی بسیاری برای شبیه سازی این فرایند پیچیده توسعه داده شده اند .مطالعات اخیر نشان می‌دهد که با استفاده از مدل‌های غیر خطی نتایج بهتری در این زمینه حاصل می‌شود .در سال‌های اخیر از مدل‌های شبکه عصبی مصنوعی به عنوان یک مدل غیر خطی جعبه سیاه در مدل‌سازی نوسانات آب زیرزمینی و سایر پدیده‌های هیدرولوژیکی به صورت گسترده استفاده شده است .در این تحقیق، مدل‌سازی نوسانات سطح آب زیرزمینی برای چهار ایستگاه پیزومتریک) خلیل‌آباد، سعیدآباد، سلطان‌آباد، سه‌راهی مهماندوست (واقع در دشت اردبیل با استفاده از داده‌های ماهانه بارش و تراز آب زیر زمینی در بیست و دو ایستگاه پیزومتریک و شش ایستگاه باران سنجی بر مبنای وجود همبستگی مکانی بین ایستگاه‌های داده سنجی صورت گرفت .در مدل پیشنهاد شده، ابتدا بر اساس داده‌های بارش و تراز آب زیر زمینی عملیات پیش‌پردازش مکانی به‌منظور خوشه‌بندی مکانی ایستگاه‌های پیزومتریک انجام شد، سپس با استفاده از مفهوم خوشه‌بندی مجموعه‌ای کیفیت خوشه‌ها بهبود داده شد، در ادامه با اعمال سه مدل ‮‭ANN‬ ، ‮‭ANFIS‬ ، ‮‭ARIMA‬ و یک مدل ترکیبی که از خروجی سه مدل منفرد به عنوان ورودی استفاده می‌کند، نوسانات ماهانه سطح آب زیرزمینی پیش‌بینی شد .نتایج حاصل حاکی از آن است که مدل پیشنهادی از قابلیت بالایی برای پیش‌بینی نوسانات سطح آب زیر زمینی و کاهش ابعاد ماتریس ورودی برخوردار است، بطوریکه با اعمال این مدل در ایستگاه سه‌راهی مهماندوست یک افزایش ‮‭۲۲‬ درصدی در ضریب تعیین در مقایسه با مدل ‮‭ARIMA‬ مشاهده شد

متن يادداشت

scale and random, all governed by natural factors, which complicate the dynamic predictions. Therefore, many hydrological models have been developed to simulate this complex process. Recent studies indicate that, by utilizing nonlinear models, better results can be obtained regarding this issue. In recent years, artificial neural network models have been used widely as a nonlinear black box model for ground water level fluctuation modelling and other hydrological phenomena. In this research, ground water level fluctuation modelling was implemented for four pizometric stations (i.e. Khalil Abad, Saeid Abad, Soltan Abad, Serahi Mehmandoust) located in Ardabil plain, by utilizing monthly rainfall and ground water level data in 22 pizometric stations and 6 rainfall stations, based on the existence of spatial correlation among data survey stations. In the proposed model, firstly, in order to spatial clustering, data preprocessing for the pizometric stations is performed based on rainfall and ground water level fluctuation data. Then, by the use of ensemble clustering approach, the quality of the clusters is improved. After that, ground water level fluctuation will be predicted by implementing 3 models (i.e. ANN, ANFIS, and ARIMA) and an ensemble model, which uses the output of the 3 single models as the input data. The obtained results indicate that the proposed model maintains a good capability to predict the ground water level fluctuation and decreases the dimensions of the input matrix so that by implementing this model, in Serahi Mehmandoust station, a 22 percent increase in the determination coefficient was monitored, compared to ARIMA model -Groundwater is one of the most valuable natural resources and it has become a dependable source of water in all climatic regions of the world. Beside agricultural consumption, groundwater is one of the major sources of water supply for drinking, domestic, and industrial purposes. Therefore groundwater level modeling is an important issue for environmental protection, maintaining the groundwater equilibrium system, controlling groundwater level fluctuation, and protection against severe land subsidence. It also plays an important role in mitigating the impact of drought on water resources system. Accurate and reliable model for forecasting groundwater level can ensure the sustainable use in watershed aquifers for urban and rural water supply. Groundwater systems possess features such as complexity, nonlinearity, being multi

مستند نام اشخاص تاييد نشده

وندا، صادق

مستند نام اشخاص تاييد نشده

وحید نورانی، استاد راهنما

مستند نام اشخاص تاييد نشده

کیومرث روشنگر، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی