جلد 17، شماره 2 - ( تابستان 1402 )                   جلد 17 شماره 2 صفحات 252-228 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Azari T, Dadashi S, Kardel F. Prediction of Chloride in Groundwater Using Supervised Artificial Intelligence Committee Machine (SAICM) (Case Study: Sari Plain). Journal of Engineering Geology 2023; 17 (2) :228-252
URL: http://jeg.khu.ac.ir/article-1-3089-fa.html
آذری طاهره، داداشی سکینه، کاردل فاطمه. پیش‌بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری). نشریه زمین شناسی مهندسی. 1402; 17 (2) :228-252

URL: http://jeg.khu.ac.ir/article-1-3089-fa.html

پیش‌بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری)
طاهره آذری1 ، سکینه داداشی2 ، فاطمه کاردل 3
1- دانشگاه خوارزمی
2- دانشگاه مازندران
3- دانشگاه مازندران ، f.kardel@umz.ac.ir
چکیده:   (151 مشاهده)
ارزیابی کیفی آب‌های ساحلی که تحت تأثیر شوری آب دریا قرار می‌گیرند را می‌توان با استفاده از پارامتر کلراید موجود در آب زیرزمینی انجام داد. این تحقیق یک روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) را جهت پیش‌بینی دقیق غلظت کلراید آب زیرزمینی دشت ساری پیشنهاد می‌دهد. SAICM با ترکیب غیرخطی مدل‌های هوش مصنوعی، غلظت کلراید را به عنوان خروجی مدل پیش‌بینی می‌کند. در این تحقیق از روش آنالیز مؤلفه‌های اصلی (PCA)، جهت شناسایی پارامترهای هیدروشیمیایی مؤثر مرتبط با غلظت کلراید به عنوان مؤلفه‌های ورودی به مدل‌های هوش مصنوعی استفاده شده است. بر اساس نتایج حاصل از PCA، پارامترهای (Na, K, EC, TDS, SAR)، به عنوان مؤلفه‌های ورودی مدل‌های هوش مصنوعی انتخاب گردید. در ابتدا چهار مدل هوش مصنوعی، منطق فازی سوگنو، منطق فازی ممدانی، منطق فازی لارسن و شبکه عصبی مصنوعی جهت پیش‌بینی غلظت کلراید طراحی گردید. بر اساس نتایج حاصل از مدل‌سازی، تمامی مدل‌ها برازش مناسبی با داده‌های کلراید در دشت ساری نشان داده‌اند. سپس مدل ترکیبی SAICM ساخته شد که نتایج حاصل از پیش‌بینی 4 مدل AI جداگانه را با استفاده از ترکیب کننده غیرخطی ANN ، ترکیب نموده و غلظت کلراید را با دقت بیشتری تعیین می‌کند. نتایج نشان می‌دهد مدل ماشین مرکب پیشنهاد شده SAICM می‌تواند غلظت کلراید را با دقت بسیار بالاتری نسبت به روش‌های جداگانه، تخمین بزند.
 
واژه‌های کلیدی: شبکه عصبی مصنوعی، ماشین مرکب، منطق فازی، کیفیت آب زیرزمینی، آنالیز مؤلفه‌های اصلی.
متن کامل [PDF 829 kb]   (59 دریافت)    
نوع مطالعه: مقاله پژوهشی | موضوع مقاله: آب های زیرزمینی
دریافت: 1402/5/8 | پذیرش: 1402/6/29 | انتشار: 1402/6/30
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه زمین شناسی مهندسی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Engineering Geology

Designed & Developed by : Yektaweb