استفاده از شبکه عصبی فازی تطبیق پذیر (ANFIS) به منظور پیش بینی کیفیت آب زیر زمینی در غرب استان فارس طی سال های 1383 تا 1393
نویسنده:
چکیده:
با توجه به کاهش بارندگی و استفاده بیش از حد از آب های زیر زمینی، بررسی کیفیت آنها از مهم ترین چالش های بحث شده در مناطق مختلف از جمله ایران است. تخمین کیفیت آب از طریق مدلسازی، از جمله استفاده از شبکه های عصبی، موجب کاهش هزینه و مدیریت بهتر میشود. بنابراین، تحقیق حاضر با هدف بررسی کیفیت آب زیرزمینی در یک دوره 10 ساله (1383 تا 1393) با استفاده از شبکه های عصبی 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 پس انتشار خطا به منظور پیشبینی کیفیت آب زیر زمینی استفاده شد. پارامترهای آموزش در این مطالعه، هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) هستند. همچنین برای آموزش شبکه از کلاسهای کیفیت آب تهیه شده توسط دیاگرام ویلکاکس استفاده شد. در آلودگی شیمیایی، طبق دیاگرام ویلکاکس نسبت جذب سدیم و هدایت الکتریکی مهم ترین فاکتورهایی هستند که با اندازهگیری آنها می توان آب منطقه مطالعه شده را در کلاسهای مختلف مانند خیلی مناسب، مناسب و نامناسب برای آبیاری کلاس بندی کرد. بر اساس نتایج از بین مدلهای مختلف پیش بینی کیفیت آب زیرزمینی، مدل هیبرید در روش FCM با بیشترین R (99/0) و کمترین خطا، بیشترین دقت در پیش بینی کیفیت آب زیرزمینی منطقه مطالعه شده را دارد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
547 تا 559
لینک کوتاه:
magiran.com/p1686874
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!