استفاده از شبکۀ عصبیـ فازی تطبیقپذیر (ANFIS) بهمنظور پیشبینی کیفیت آب زیرزمینی در غرب استان فارس طی سالهای 1383 تا 1393 | ||
| مجله اکوهیدرولوژی | ||
| مقاله 21، دوره 4، شماره 2، 1396، صفحه 547-559 اصل مقاله (1.79 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2017.61491 | ||
| نویسندگان | ||
| مرضیه مکرم1؛ محمد جعفر مکرم2؛ عبدالرسول زارعی* 3؛ بهروز صفری نژادیان4 | ||
| 1عضو هیئت علمی، دانشکدۀ کشاورزی و منابع طبیعی داراب، دانشگاه شیراز | ||
| 2دانشجوی دکتری برق قدرت، دانشگاه صنعتی شیراز | ||
| 3عضو هیئت علمی، گروه مهندسی منابع طبیعی (مرتع و آبخیزداری)، دانشکدۀ کشاورزی، دانشگاه فسا* | ||
| 4عضو هیئت علمی، گروه مهندسی برق و الکترونیک، دانشگاه صنعتی شیراز | ||
| چکیده | ||
| با توجه به کاهش بارندگی و استفادۀ بیش از حد از آبهای زیرزمینی، بررسی کیفیت آنها از مهمترین چالشهای بحثشده در مناطق مختلف از جمله ایران است. تخمین کیفیت آب از طریق مدلسازی، از جمله استفاده از شبکههای عصبی، موجب کاهش هزینه و مدیریت بهتر میشود. بنابراین، تحقیق حاضر با هدف بررسی کیفیت آب زیرزمینی در یک دورۀ 10 ساله (1383 تا 1393) با استفاده از شبکههای عصبیـ فازی تطبیقپذیر (ANFIS) در غرب استان فارس انجام گرفت. در این مطالعه از سه روش grid partitioning، clustering sub و FCM در دو حالت هیبرید و پسانتشار خطا بهمنظور پیشبینی کیفیت آب زیرزمینی استفاده شد. پارامترهای آموزش در این مطالعه، هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) هستند. همچنین برای آموزش شبکه از کلاسهای کیفیت آب تهیهشده توسط دیاگرام ویلکاکس استفاده شد. در آلودگی شیمیایی، طبق دیاگرام ویلکاکس نسبت جذب سدیم و هدایت الکتریکی مهمترین فاکتورهایی هستند که با اندازهگیری آنها میتوان آب منطقۀ مطالعهشده را در کلاسهای مختلف مانند خیلی مناسب، مناسب و نامناسب برای آبیاری کلاسبندی کرد. بر اساس نتایج از بین مدلهای مختلف پیشبینی کیفیت آب زیرزمینی، مدل هیبرید در روش FCM با بیشترین R (99/0) و کمترین خطا، بیشترین دقت در پیشبینی کیفیت آب زیرزمینی منطقۀ مطالعهشده را دارد. | ||
| کلیدواژهها | ||
| شبکۀ عصبیـ فازی تطبیقپذیر (ANFIS)؛ کیفیت آب؛ EC؛ SAR | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 6,078 تعداد دریافت فایل اصل مقاله: 1,593 |
||