دوره 21، شماره 4 - ( 1400 )                   جلد 21 شماره 4 صفحات 88-75 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
khosravi S, Robati A. Hybrid Learning Machine Metaheuristic Model for Estimating Groundwater Level Level. MCEJ 2021; 21 (4) :75-88
URL: http://mcej.modares.ac.ir/article-16-48068-fa.html
خسروی شیوا، رباطی امیر. مدل هیبریدی فراکاوشی یادگیری ماشینی تخمین سطح آب زیرزمینی. مهندسی عمران مدرس. 1400; 21 (4) :75-88

URL: http://mcej.modares.ac.ir/article-16-48068-fa.html

مدل هیبریدی فراکاوشی یادگیری ماشینی تخمین سطح آب زیرزمینی
شیوا خسروی1 ، امیر رباطی* 2
1- دانشگاه آزاد اسلامی واحد کرمان
2- دانشگاه آزاد اسلامی واحد کرمان ، ammirrr@hotmail.com
چکیده:   (2557 مشاهده)
آب چاه به عنوان منبع محدود طبیعی تامین آب، نقش حیاتی در مناطق خشک و نیمه خشک ایفا می­کند. در سال­های اخیر با توجه به مشکل کمبود منابع آبی، مساله استفاده و مدیریت بهینه از اهمیت ویژه ای برخوردار است. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه آن، پیش بینی نوسانات سطح آب چاه لازم است. مدل­های دقیق و قابل اطمینان پیش بینی سطح آب چاه­ها می­توانند به استفاده پایدار از آب زیرزمینی به منظور تامین نیاز های شهری، کشاورزی و صنعتی کمک کنند. مدل­های عددی نیازمند پارامترهای زیاد، زمان بر و پرهزینه هستند، لذا در سال­های اخیر توجه خاصی به مدل هوشمند شده است. در این پژوهش مدل حداقل مربعات ماشین بردار پشتیبان وزن دار (WLS-SVM) با دقیق ترین تابع وزنی Myriad با الگوریتم­های فراکاوشی جامعه پرندگان (PSO) و گرانشی (GSA) ترکیب شده است و این دو مدل هیبریدی (WLSSVM-PSO) و (WLSSVM-GSA) به عنوان روش­های محاسباتی هوشمند جدید به منظور تخمین سطح آب زیرزمینی ارائه شده است. به منظور تخمین سطح آب زیرزمینی از داده­های ده چاه­ مشاهداتی در دشت باغین استان کرمان، دارای آمار تراز سطح ایستابی با سری زمانی ده ساله استفاده شده است. مقادیر تخمین زده شده از دو مدل هیبریدی با مقادیر مشاهده ای تراز سطح ایستابی مقایسه گردید و عملکرد این مدل­ها با شاخص­های آماری ارزیابی شده است. نتایج نشان داد که مدل­های هیبریدی WLSSVM-PSO و WLSSVM-GSA دارای دقت بسیار خوبی برای تخمین سطح آب زیرزمینی می­باشد، اما مدل WLSSVM-GSA نسبت به مدل WLSSVM-PSO کمی با دقت بالاتر عمل کرده است. بنابراین این مطالعه نشان می­دهد که می­توان از این مدل­های هیبریدی ارائه شده  به عنوان ابزاری کارآمد در تخمین سطح آب زیرزمینی استفاده نمود. آب چاه به عنوان منبع محدود طبیعی تامین آب، نقش حیاتی در مناطق خشک و نیمه خشک ایفا می­کند. در سال­های اخیر با توجه به مشکل کمبود منابع آبی، مساله استفاده و مدیریت بهینه از اهمیت ویژه ای برخوردار است. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه آن، پیش بینی نوسانات سطح آب چاه لازم است. مدل­های دقیق و قابل اطمینان پیش بینی سطح آب چاه­ها می­توانند به استفاده پایدار از آب زیرزمینی به منظور تامین نیاز های شهری، کشاورزی و صنعتی کمک کنند. مدل­های عددی نیازمند پارامترهای زیاد، زمان بر و پرهزینه هستند، لذا در سال­های اخیر توجه خاصی به مدل هوشمند شده است. در این پژوهش مدل حداقل مربعات ماشین بردار پشتیبان وزن دار (WLS-SVM) با دقیق ترین تابع وزنی Myriad با الگوریتم­های فراکاوشی جامعه پرندگان (PSO) و گرانشی (GSA) ترکیب شده است و این دو مدل هیبریدی (WLSSVM-PSO) و (WLSSVM-GSA) به عنوان روش­های محاسباتی هوشمند جدید به منظور تخمین سطح آب زیرزمینی ارائه شده است. به منظور تخمین سطح آب زیرزمینی از داده­های ده چاه­ مشاهداتی در دشت باغین استان کرمان، دارای آمار تراز سطح ایستابی با سری زمانی ده ساله استفاده شده است. مقادیر تخمین زده شده از دو مدل هیبریدی با مقادیر مشاهده ای تراز سطح ایستابی مقایسه گردید و عملکرد این مدل­ها با شاخص­های آماری ارزیابی شده است. نتایج نشان داد که مدل­های هیبریدی WLSSVM-PSO و WLSSVM-GSA دارای دقت بسیار خوبی برای تخمین سطح آب زیرزمینی می­باشد، اما مدل WLSSVM-GSA نسبت به مدل WLSSVM-PSO کمی با دقت بالاتر عمل کرده است. بنابراین این مطالعه نشان می­دهد که می­توان از این مدل­های هیبریدی ارائه شده  به عنوان ابزاری کارآمد در تخمین سطح آب زیرزمینی استفاده نمود.
واژه‌های کلیدی: سطح آب چاه، مدل هیبریدی هوشمند، حداقل مربعات ماشین بردار پشتیبان وزن دار، الگوریتم فراکاوشی
متن کامل [PDF 485 kb]   (2345 دریافت)    
نوع مقاله: پژوهشی اصیل (کامل) | موضوع مقاله: آب
دریافت: 1399/9/11 | پذیرش: 1399/12/27 | انتشار: 1400/5/10
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.