مدل هیبریدی فراکاوشی یادگیری ماشینی تخمین سطح آب زیرزمینی | ||
| مهندسی عمران مدرس | ||
| Article 6, Volume 21, Issue 4, 1400, Pages 75-88 PDF (485.25 K) | ||
| Document Type: پژوهشی اصیل (کامل) | ||
| Authors | ||
| شیوا خسروی; امیر رباطی* | ||
| دانشگاه آزاد اسلامی واحد کرمان | ||
| Abstract | ||
| 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. | ||
| Keywords | ||
| سطح آب چاه; مدل هیبریدی هوشمند; حداقل مربعات ماشین بردار پشتیبان وزن دار; الگوریتم فراکاوشی | ||
| References | ||
|
| ||
|
Statistics Article View: 317 PDF Download: 141 |
||
| Number of Journals | 45 |
| Number of Issues | 2,196 |
| Number of Articles | 24,877 |
| Article View | 28,766,023 |
| PDF Download | 18,602,923 |