شماره کتابشناسی ملی
شماره
۲۴۰۲۹پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
بررسی تغییرات کمی و کیفی آب‌صهای زیرزمینی دشت‌صهای اردبیل و قروه-دهگلان به روش ترکیب مدل
عنوان اصلي به زبان ديگر
Investigation of Quantitative and Qualitative changes in groundwater of Ardebil and Goreveh-Dehgolan plain by ensemble
نام نخستين پديدآور
/آیدا سررشته دار
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی عمران
تاریخ نشرو بخش و غیره
، ۱۳۹۹
نام توليد کننده
، راشدی
مشخصات ظاهری
نام خاص و کميت اثر
۱۱۸ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی عمران گرایش مهندسی و مدیریت منابع آب
زمان اعطا مدرک
۱۳۹۹/۱۱/۲۱
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
آب های زیرزمینی منبع بسیار مهمی برای تامین نیاز آب مصرفی بخش‌صهای کشاورزی، صنعت و شرب در دشت اردبیل و قروه-دهگلان می‌صباشد .از این رو بررسی تغییرات سطح آب و کیفیت آن برای استفاده جهت مصارف مختلف نقش مهمی در برنامه‌صریزی برای مدیریت و بهره‌صبرداری از این منبع گرانبها را در پی دارد .در این پژوهش تغییرات کمی و کیفی آصب‌صهای زیرزمینی در دو دشت ذکر شده با استفاده از مدل‌صهای جعبه سیاه هوش مصنوعی (Artificial intelligence) و مدل جعبه سیاه کلاسیک خودهمبسته تفاضلی با میانگین متحرکARIMA) - (Auto Regressive Integrated Moving Averageمورد بررسی قرار گرفتند .پارامترهای کیفینسبت جذب سدیم آب زیرزمینی(SAR) ، مقدار مواد جامد حل شده در آب زیرزمینی (TDS)و سختی کل در آب زیرزمینی (TH)در این تحقیق مورد بررسی قرار گرفتند .روش‌صهای به کار گرفته شده برای مدل‌صسازی با هوش مصنوعی شامل مدل شبکه عصبی مصنوعی، مدل سیستم استنتاجی فازی-عصبی تطبیقی، مدل رگرسیون بردار پشتیبان و مدل شبکه عصبی عاطفی)هیجانی (می‌صباشند که چاه‌صهای کمی و کیفی موجود در دشت اردبیل و قروه-دهگلان با استفاده از مدل‌صهای ذکر شده شبیه سازی شدند .نظر به ارائه نتایج مختلف مدل‌صسازی‌صها برای هر حوضه انتخاب یک مدل منفرد به عنوان مدل بهینه معقول به نظر نمی-رسید .از این رو برای افزایش کارایی مدل، روش ترکیب مدل (Ensemble) با استفاده از خروجی مدل‌صهای منفرد مذکور، به عنوان یک روش پس پردازش، به کار گرفته شد .ترکیب مدل به روش میانگین گیری خطی ساده، میانگین گیری خطی وزن‌صدار و میانگین گیری غیرخطی عصبی با استفاده از شبکه‌صی عصبی مصنوعی (Artificial Neural Network) صورت گرفت .به منظور ارزیابی کارایی و دقت مدل‌صها از دو معیار مختلف DC و RMSE استفاده شد .نتایج نشان دادند که مدل‌صهای ترکیبی به ویژه مدل ترکیبی غیرخطی با شبکه‌صی عصبی مصنوعی باعث افزایش چشمگیر عملکرد تمامی چاه‌صهای کمی و کیفی مدل‌صسازی، شده است
متن يادداشت
Abstract: Groundwater is a very important source to provide the water needs of agriculture, industry and drinking in Ardebil and Gorveh-Dehgolan plain. Therefore, the study of water level changes and its quality to use for various purposes plays an important role in planning for the management and operation of this precious resources. In this study, quantitative and qualitative changes of groundwater in the two plains were studied using Artificial intelligence models and Auto Regressive Integrated Moving Average-ARIMA model. Qualitative parameters of groundwater sodium adsorption ratio(SAR), total dissolved solids in groundwater(TDS) and total groundwater hardness(TH) were investigated in this study. The methods used for modeling with artificial intelligence include Artificial Neural Network(ANN), Adaptive Neuro-Fuzzy Inference System(ANFIS), Support Vector Machine(SVM) and Emotinal Artificial Neural Network(EANN) that the quantitative and qualitative wells in Ardebil and Gorveh-Dehgolan plain were simulated using the mentioned models. Considering the different results of modeling for each basin, choosing a single model as the optimal model did not seem reasonable. Therefore, to increase the efficiency of the model, the method of combining the model(ensemble) using the output of the mentioned individual models was used as a post-processing method. Three methods of model ensemble were considered, namely simple linear averaging model, the weighted linear averaging model and the non-linear neural ensemble model. In order to evaluate the efficiency and accuracy of the models, two different DC and RMES criteria were used. The results showed that ensemble models, especially non-linear neural ensemble model with artificial neural network, have significantly increased the performance of all quantitative and qualitative modeling wells
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Investigation of Quantitative and Qualitative changes in groundwater of Ardebil and Goreveh-Dehgolan plain by ensemble
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
سررشته دار، آیدا
مستند نام اشخاص تاييد نشده
Sarreshtedar, Ayda
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
