پتانسیل یابی چشمههای آب زیرزمینی با استفاده از ترکیب جدید شبکه عصبی کانولوشنی با الگوریتمهای بهینهسازی نهنگ (WOA)و کلونی زنبور عسل (ABC) | ||
| مجله اکوهیدرولوژی | ||
| مقاله 9، دوره 11، شماره 1، بهار 1403، صفحه 148-174 اصل مقاله (4.51 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2024.374112.1806 | ||
| نویسندگان | ||
| ستوده دادخواه بخشایش1؛ امین رضا نشاط* 2؛ امید طیاری3 | ||
| 1گروه سنجش از دورو سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، واحد علوم وتحقیقات،دانشگاه آزاد اسلامی ، تهران. ایران | ||
| 2استادیار گروه آموزشی سنجش از دور و سیستم های اطلاعات مکانی، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، | ||
| 3استادیار گروه مهندسی عمران، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران | ||
| چکیده | ||
| منابع آب زیرزمینی محدود و استفاده زیاد از آنها به چالشهای اساسی برای توسعه پایدار در سراسر جهان تبدیل شدهاند. در این مطالعه ترکیبی از روش تجزیه و تحلیل نسبت ارزیابی گامبهگام اوزان (SWARA)، روش یادگیری عمیق شبکه عصبی کانولوشن (CNN)، بهینهسازی نهنگ (WOA) و الگوریتمهای کلونی زنبور عسل (ABC)، استفاده شد که رویکرد نوآورانهای ارائه میدهد تا نقشه پتانسیل چشمههای آب زیرزمینی استان کرمانشاه، تولید شود. در مرحله اول، یک نقشه شامل 301 مکان چشمه با دبی بالای 30 متر مکعب بر ثانیه و 304 نقطه فاقد چشمه تهیه شد. سیزده پارامتر به عنوان متغیرهای مستقل ایجاد شدند. برای تعیین وزن معیارها، شاخصهای تصمیمگیری و تعیین ارتباط بین پتانسیل ایجاد چشمه و عوامل انتخاب شده از روش SWARA مورد استفاده قرار گرفت. سپس برای تهیه نقشه پتانسیل چشمههای آب زیرزمینی از مدل ترکیبی CNN-WOA، استفاده شد و از منحنی مشخصه عملکرد (ROC) برای ارزیابی استفاده شده است. اعتبارسنجی مجموعه داده آموزش نشان داد که نرخ موفقیت برای مدلهای SWARA-CNN-WOA، SWARA-CNN-ABC به ترتیب 86٪، 91٪، می باشد. نتایج نشان داد با اختلاف کم، مدل SWARA-CNN-ABC بهتر ازسایر مدلهای دیگر عمل کرده است. بعلاوه، ارزیابی نرخ پیشبینی مشخص نمود که مقادیر زیر منحنی ROC برای مدلهای SWARA-CNN-ABC، SWARA-CNN-WOA به ترتیب 87٪، 88٪، است. بر اساس نتایج، با وجود عملکرد عالی تمام مدلها، مدل SWARA-CNN-ABC پیش بینی دقیقتری انجام داده است. مدلهای ترکیبی ارائه شده در این مطالعه میتوانند به عنوان یک متودولوژی کارآمد و موثر برای بهبود پتانسیل یابی آب زیرزمینی استفاده شود. | ||
| کلیدواژهها | ||
| پتانسیل آب زیرزمینی؛ شبکه عصبی کانولوشن؛ الگوریتم بهینهسازی نهنگ؛ الگوریتم بهینهسازی زنبورعسل | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 622 تعداد دریافت فایل اصل مقاله: 652 |
||