چکیده:
در بررسی مسائل ژئوهیدرولوژی متغیر سطح ایستابی از اهمیت بسیار بالایی برخوردار است. بنابراین تحقیق و پژوهش در تخمین نقاط فاقد اطلاعات ضروری می باشد. در این پژوهش دشت نور اباد با 11 چاه مشاهده ای که همگی دارای آمار سالانه بوده بروش های درون یابی از جمله زمین آمار(کرجینگ و کوکریجینگ) نقاط فاقد آمار محاسبه گردید. در این تحقیق با هدف پیش بینی نوسانات سطح آب زیرزمینی، با استفاده از روش های هوشمند شبکه های بیزین و شبکه های عصبی مصنوعی مدل سازی شده است. که برای این منظور طول و عرض جغرافیایی در مقیاس زمانی ماهانه بعنوان ورودی و نوسانات سطح آب زیرزمینی بعنوان پارامتر خروجی انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و عملکرد مدل ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد مدل شبکه بیزین دارای ضریب همبستگی (880/ 0)، ریشه میانگین مربعات خطا (0/024m) و نیز معیار نش ساتکلیف(900/ 0) در مرحله صحت سنجی توانسته با دقت قابل قبولی به تخمین نوسانات سطح آب بپردازد.
Geohydrology issues ranging from the water table is very important . Therefore, research is necessary to estimate the missing data .In this study nourabad plain the 11 wells was observed that all the annual statistics of the statistical interpolation method ( Krigng and co ) places no statistics are calculated. This study aims to predict the groundwater level fluctuations , using intelligent Bayesian networks and artificial neural networks has been modeled .For this purpose, the latitude and longitude on a monthly time scale as the input and output parameters were selected as the groundwater level fluctuations .Criteria of correlation coefficient , root mean square error and coefficient of Nash suttclif and performance models were used to assess. The results showed that the neural network model has a correlation coefficient ( 0.880 ) , root mean square error ( 0.024m) and the standard Nash suttclif ( 0.900 ) in step verification succeeded with considerable accuracy to estimate water level fluctuations would .
خلاصه ماشینی:
رضا دهقانی 2 امیر پورحقی 3 حسن ترابی پیش بینی نوسانات سطح آب زیرزمینی با استفاده از شبکه های بیزین (مطالعه موردی: دشت نورآباد-لرستان ) تاریخ دریافت : ١٣٩٣/١٠/٠٥ تاریخ پذیرش : ١٣٩٤/٠٦/٠٩ چکیده در بررسی مسائل هیدروژئولوژی متغیر سطح ایستابی از اهمیت بسیار بالایی برخوردار است ؛ بنابراین تحقیق و پژوهش در تخمین نقاط فاقد اطلاعات ضروری می باشد.
طی سال های اخیر استفاده از روش شبکه های عصبی در مطالعات نوسانات سطح آب زیرزمینی مورد توجه محققان قرار گرفته است که از جمله می توان به موارد ذیل اشاره نمود: در پژوهشی رحمانی (١٣٩٠) برای شبیه سازی منابع آب زیرزمینی دشت عقیلی از مدل های شبکه عصبی مصنوعی و تفاضلات محدود استفاده کرد.
از سوی دیگر زمانی احمد محمودی (١٣٩١) از تلیفق مدل شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک و روش زمین آمار برای تخمین تراز سطح ایستابی دشت های دزفول ، زیدون و رامهرمز استفاده کرد.
(به تصویر صفحه مراجعه شود) شکل ٥: نمودار حاصل از مقادیر بهینه مدل شبکه عصبی مصنوعی برای داده های ثبت شده مرحله صحت سنجی الف ) مقادیر محاسباتی و مشاهداتی نسبت به زمان ب ) نمودار پراکنش میان مقادیر مشاهداتی و محاسباتی نتایج شبکه بیزین در این پژوهش ساختار شبکه بیزین از بین الگوریتم های K٢ و BDeu از الگوریتم K٢ که مناسب ترین پارامتر الگوریتم یادگیری شبکه می باشد برای ایجاد شبکه استفاده گردید.