دانشگاه خوارزمی ، t.azari@khu.ac.ir
چکیده: (42 مشاهده)
تخمین دقیق پارامترهای هیدرودینامیکی، اولین گام جهت توسعه پایدار آبخوان است. از زمان Theis (1935) ، جهت تخمین پارامترهای آبخوان از روش انطباق منحنی تیپ (Type Curve Matching Technique _ TCMT) استفاده می‌شد. این روش همراه با خطاهای گرافیکی است. در این تحقیق یک ماشین مرکب هوش مصنوعی نظارت شده جهت از بین بردن خطا و تخمین دقیق پارامترهای هیدرودینامیکی آبخوان های محبوس با توانایی بالا در تقریب توابع به عنوان جایگزینی برای روش مرسومTCMT و سایر روش های هوش مصنوعی استفاده گردید. در این تحقیق داده‌های آزمون پمپاژ به عنوان مولفه های ورودی و مختصات نقطه انطباق بهینه به عنوان مولفه خروجی در نظر گرفته شد. همچنین جهت کاهش ابعاد مولفه های ورودی، از تکنیک آنالیز مولفه های اصلی (PCA) استفاده گردید. سپس مختصات نقطه انطباق با حل تحلیلی تایس (1935) ترکیب شده و پارامترهای آبخوان محاسبه گشت. جهت توسعه ماشین مرکب در مرحله اول سه مدل شبکه عصبی مصنوعی با الگوریتم های آموزش مختلفLevenberg–Marquardt (LM), gradient descent (GD), resilient back-propagation (RP) جهت تعیین نقطه انطباق و تخمین پارامترهای هیدرودینامیکی آبخوان محبوس تدوین شد که بر اساس نتایج حاصل از مدلسازی، تمامی مدل‌ها تقریب مناسبی از پارامترهای هیدرودینامیکی آبخوان محبوس نشان داده اند. سپس در مرحله دوم با توجه به پیچیدگی سیستم های هیدروژئولوژیکی، ماشین مرکبی متشکل از سه مدل هوش مصنوعی طراحی شده ساخته شد که از توانایی های هر سه مدل جهت تعیین پارامترهای هیدرودینامیکی آبخوان های محبوس استفاده نموده است. خروجی مدل‌های مورد استفاده با ترکیب کننده غیرخطی نظارت شده با هم ترکیب شده و خروجی نهایی ماشین مرکب (نقطه انطباق بهینه) با دقت بسیار بالایی تعیین گردید. نتایج نشان داد مدل ماشین مرکب پیشنهاد شده روشی دقیق تر و جایگزین بهتری نسبت به روش های TCMT و روش های هوش مصنوعی در تعیین نقطه انطباق بهینه و تخمین پارامترهای هیدرودینامیکی آبخوان محبوس می باشد.
واژه‌های کلیدی: شبکه عصبی مصنوعی، ماشین مرکب هوش مصنوعی نظارت شده، آزمون پمپاژ، روش انطباق منحنی تیپ، پارامترهای آبخوان محبوس.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
