آب زیرزمینی و مدیریت منابع آب نقش کلیدی در پایداری منابع آب در نواحی خشک و نیمه خشک ایفا میکند. پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. در این تحقیق از مدل‌های شبکه عصبی مصنوعی و مدل شبکه عصبی مصنوعی مبتنی بر الگوریتم ازدحام ذرات برای تخمین تراز آب زیرزمینی دشت اردبیل استفاده شده است. دادههای مورد استفاده شامل تراز سطح ایستابی طی یک دوره آماری 1351 تا 1390 بوده است. ورودی مدل‌ها در این مطالعه تراز سطح ایستابی در ماههای مختلف بوده است. برای بررسی نتایج دو مدل مذکور از معیارهای ارزیابی مجذور میانیگن مربعات خطا، ضریب همبستگی و ضریب نش-ساتکیف استفاده شده است. در نهایت نتایج حاکی از عملکرد بهتر مدل شبکه عصبی مصنوعی-ازدحام ذرات بوده است. نتایج مجذور میانگین مربعات خطای مدل برتر در فصل بهار، تابستان، پاییز و زمستان به ترتیب برابر با 467/0، 507/0، 309/0، 386/0 بوده است. این نتایج نشان میدهد که ساختار هیبریدی شبکه در بخش آموزش باعث افزایش دقت مدل شده است. بنابراین از مدل مذکور میتوان در تخمین تراز سطح ایستابی دشت اردبیل با دقت قابل قبول استفاده کرد.
Mohammadi B, BIAZAR S M, asadi E.
Performance of hybrid particle swarm algorithm to simulate water level (Case study: Ardabil aquifer)
. Journal of Rainwater Catchment Systems 2017; 5 (2) :77-87 URL: http://jircsa.ir/article-1-242-fa.html
محمدی بابک، بی آزار سید مصطفی، اسدی اسماعیل. کارایی الگوریتم هیبریدی ازدحام ذرات در شبیه سازی سطح تراز ایستابی (مطالعه موردی: آبخوان دشت اردبیل). سامانه‌هاي سطوح آبگير باران. 1396; 5 (2) :77-87
تکمیل و ارسال فرم تعارض منافع نویسنده گرامی ، پس از ارسال مقاله ، جهت دریافت فرم، لطفا بر روی کلمه فرم تعارض منافع کلیک نمایید و پس از تکمیل، در فایل های پیوست مقاله قرار دهید.
