دوره 17، شماره 6 - ( 1396 )                   جلد 17 شماره 6 صفحات 244-233 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mousavi S, Nourani V, Alami M T. Assessment of Chloride Concentration in Groundwater by Conjugation of Artificial Intelligence and Wavelet Transform Coherence Approaches. MCEJ 2017; 17 (6) :233-244
URL: http://mcej.modares.ac.ir/article-16-14417-fa.html
موسوی شهرام، نورانی وحید، اعلمی محمد تقی. بررسی کلراید در آب زیرزمینی با استفاده از تلفیق مدل هوش مصنوعی و روش وابستگی تبدیل موجک. مهندسی عمران مدرس. 1396; 17 (6) :233-244

URL: http://mcej.modares.ac.ir/article-16-14417-fa.html

بررسی کلراید در آب زیرزمینی با استفاده از تلفیق مدل هوش مصنوعی و روش وابستگی تبدیل موجک
شهرام موسوی* 1، وحید نورانی2 ، محمد تقی اعلمی3
1- ، mousavi481@gmail.com
2- دانشگاه تبریز، دانشکده مهندسی عمران ، گروه مهندسی آّب، استاد
3- استاد دانشکده مهندسی عمران، دانشگاه تبریز
چکیده:   (3698 مشاهده)
در این تحقیق، مدلهای زمانی جریان آب زیرزمینی و انتقال آلودگی با استفاده از تلفیق تکنیکهای هوش مصنوعی و وابستگی تبدیل موجک توسعه داده شده‌است. دشت میاندوآب به عنوان مطالعه موردی برای شبیه‌سازی تراز آب زیرزمینی و غلظت کلراید مورد مطالعه قرار گرفت. به منظور خوشه‌بندی پیزومترهای دشت، وابستگی تبدیل موجک به عنوان تکنیکی برای بررسی وابستگی و تاخیر فاز بین سری‌های زمانی ناایستای تراز آب و غلظت کلراید استفاده شد. همچنین از وابستگی تبدیل موجک به عنوان یک روش جدید برای مشخص کردن ارتباط سفره‌ها و ارتباط بین تراز آب دریاچه و تراز آب پیزومترهای نزدیک ساحل دریاچه که می‌تواند در مدلسازی تراز آب و غلظت کلراید مفید باشد، استفاده گردید. در ادامه سری‌های زمانی تراز آب و غلظت کلراید در 14 پیزومتر مختلف با استفاده شبکه عصبی مصنوعی و سیستم عصبی-فازی تطبیقی برای تخمین تراز آب و غلظت کلراید در یک ماه بعد آموزش و اعتبارسنجی شدند. نتایج نشان داد که کارایی مدل عصبی-فازی تطبیقی تا 13 درصد بیشتر از مدل شبکه عصبی مصنوعی می‌باشد. توانایی مدل عصبی-فازی تطبیقی در هر دو مرحله آموزش و صحت سنجی بدلیل کارایی منطق فازی برای غلبه بر عدم قطعیت پدیده از شبکه عصبی مصنوعی بیشتر بوده‌است.
واژه‌های کلیدی: آبهای زیرزمینی، انتقال آلودگی، هوش مصنوعی، وابستگی تبدیل موجک
متن کامل [PDF 1438 kb]   (4113 دریافت)    
نوع مقاله: طرح پژوهشی | موضوع مقاله: زلزله
دریافت: 1395/8/25 | پذیرش: 1396/2/6 | انتشار: 1396/12/24
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.