پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,240 |
| تعداد مقالات | 67,870 |
| تعداد مشاهده مقاله | 115,416,244 |
| تعداد دریافت فایل اصل مقاله | 90,185,744 |
پیش بینی نوسانات ضخامت معادل آب زیرزمینی با استفاده از اطلاعات ماهوارهای و ترکیب الگوریتم بهینه‌سازی و هوش مصنوعی | ||
| تحقیقات آب و خاک ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 15 فروردین 1403 اصل مقاله (2.3 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2024.367628.669601 | ||
| نویسندگان | ||
| مهتاب بادکوبه هزاوه1؛ محسن نجارچی* 1؛ محمد رضا جلالی1؛ حسین مظاهری2؛ سعید شعبانلو3 | ||
| 1گروه مهندسی عمران، واحد اراک، دانشگاه آزاد اسلامی ، اراک ، ایران | ||
| 2گروه مهندسی شیمی، واحد اراک، دانشگاه آزاد اسلامی ، اراک ، ایران | ||
| 3گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه،ایران | ||
| چکیده | ||
| نوسانات ضخامت معادل آب زیرزمینی از اجزای اصلی چرخه هیدروژئولوژی و یکی از متغیرهای مورد نیاز بسیاری از مدلهای بهرهبرداری از منابع آب است. کمبود داده‌های قابل اعتماد و کامل از مهم‌ترین چالش‌ها در واکاوی نوسانات و پیش‌بینی تغییرات ضخامت معادل آب زیرزمینی در مدیریت آب است. طی سالیان اخیر استفاده از اطلاعات ماهوارهای مختلف توانسته است به‌عنوان یک راهکار قابل اطمینان مورد توجه قرار گیرد. هدف از این تحقیق پیش‌بینی نوسانات ضخامت معادل آب زیرزمینی با استفاده از اطلاعات ماهواره GRACE و مدلسازی آن با استفاده از ترکیب الگوریتم بهینه‌سازی و هوش مصنوعی است. منطقه مطالعاتی این تحقیق، حوضه آبریز دریاچه ارومیه واقع در شمال‌غربی ایران می‌باشد. بدین منظور از 180 داده ماهواره‌های GRACE طی سال‌های آوریل 2002 تا مارس 2017 استفاده شد. خروجی ماهواره‌ها شامل 6 پیکسل قرار گرفته بر روی حوضه انتخابی می‌باشد که 2 نقطه از آن که بیشترین همپوشانی را با محدوده حوضه داشتند برای مدلسازی با ابزار هوش مصنوعی انتخاب شدند. برای این کار از مدلهای ترکیبی GA-ANN، ICA-ANN و PSO-ANN استفاده شد. نتایج نشان داد خروجی مدل ICA-ANN دارای بهترین برازش با داده‌های مشاهداتی با ضریب همبستگی برابر با 915/0 و 942/0 در دو پیکسل انتخابی 2 و 5 در مرحله آزمون بود. لذا برای پیش‌بینی نوسانات ضخامت معادل آب زیرزمینی در منطقه مطالعاتی بجای استفاده از مدلهای پیچیده با حجم داده‌های بسیار زیاد میتوان با اطمینان از مدل ICA-ANN استفاده کرد. این رویکرد کمک زیادی به محققین بخش آب زیرزمینی میکند تا بدون استفاده از مدلهای عددی با ساختار پیچیده و وقتگیر با استفاده از اطلاعات ماهوارهای و ابزار هوش مصنوعی با دقت بالا تغییرات ضخامت معادل آب زیرزمینی در هر ماه را بر اساس داده‌های ضخامت معادل آب زیرزمینی در ماهواره GRACE مربوط به ماه‌های قبل پیش‌بینی نمایند. | ||
| کلیدواژه‌ها | ||
| ضخامت معادل آب زیرزمینی؛ ماهواره GRACE؛ GA-ANN؛ ICA-ANN؛ PSO-ANN | ||
| عنوان مقاله [English] | ||
| Prediction of fluctuations in the equivalent thickness of groundwater using satellite information and artificial intelligence hybrid models | ||
| نویسندگان [English] | ||
| mahtab Badkoube Hezaveh1؛ Mohsen Najarchi1؛ Mohammad Reza Jalali1؛ hossein mazaheri2؛ saeid shabanlou3 | ||
| 1Department of Civil Engineering, Arak Branch, Islamic Azad University, Arak, Iran, Iran | ||
| 2Department of Chemical Engineering, Arak Branch, Islamic Azad University, Arak, Iran | ||
| 3Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran. | ||
| چکیده [English] | ||
| The purpose of this research is to predict fluctuations of the equivalent thickness of underground water using GRACE satellite data and modeling it using a combination of optimization algorithm and artificial intelligence.The study area of this research is the catchment area of Lake Urmia located in the northwest of Iran. For this purpose, 180 GRACE satellite data were used between April 2002 and March 2017. The output of the satellites includes 6 pixels located on the selected watershed, of which 2 points that overlapped the most with the watershed area were selected for modeling with artificial intelligence tools. GA-ANN, ICA-ANN and PSO-ANN hybrid models were used for this purpose. The results showed that the output of the ICA-ANN model had the best fit with the observational data with a correlation coefficient equal to 0.915 and 0.942 in the two selected pixels 2 and 5 in the test phase. Therefore, to predict fluctuations of the equivalent thickness of underground water in the study area, instead of using complex models with a large amount of data, the ICA-ANN model can be used with confidence.This approach helps a lot to the researchers of the underground water sector, without using numerical models with a complex and time-consuming structure, by using satellite information and artificial intelligence tools with high accuracy, the changes in the equivalent thickness of underground water in each month based on Predict the data of the equivalent thickness of underground water in the GRACE satellite for the previous months | ||
| کلیدواژه‌ها [English] | ||
| equivalent thickness of groundwater, GRACE satellite, GA-ANN, ICA-ANN, PSO-ANN | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 47 تعداد دریافت فایل اصل مقاله: 9 |
||