پیش بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری)
محل انتشار: فصلنامه زمین شناسی مهندسی، دوره: 17، شماره: 2
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 34
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEG-17-2_005
تاریخ نمایه سازی: 30 اردیبهشت 1403
چکیده مقاله:
ارزیابی کیفی آب های ساحلی که تحت تاثیر شوری آب دریا قرار می گیرند را می توان با استفاده از پارامتر کلراید موجود در آب زیرزمینی انجام داد. این تحقیق یک روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) را جهت پیش بینی دقیق غلظت کلراید آب زیرزمینی دشت ساری پیشنهاد می دهد. SAICM با ترکیب غیرخطی مدل های هوش مصنوعی، غلظت کلراید را به عنوان خروجی مدل پیش بینی می کند. در این تحقیق از روش آنالیز مولفه های اصلی (PCA)، جهت شناسایی پارامترهای هیدروشیمیایی موثر مرتبط با غلظت کلراید به عنوان مولفه های ورودی به مدل های هوش مصنوعی استفاده شده است. بر اساس نتایج حاصل از PCA، پارامترهای (Na, K, EC, TDS, SAR)، به عنوان مولفه های ورودی مدل های هوش مصنوعی انتخاب گردید. در ابتدا چهار مدل هوش مصنوعی، منطق فازی سوگنو، منطق فازی ممدانی، منطق فازی لارسن و شبکه عصبی مصنوعی جهت پیش بینی غلظت کلراید طراحی گردید. بر اساس نتایج حاصل از مدل سازی، تمامی مدل ها برازش مناسبی با داده های کلراید در دشت ساری نشان داده اند. سپس مدل ترکیبی SAICM ساخته شد که نتایج حاصل از پیش بینی ۴ مدل AI جداگانه را با استفاده از ترکیب کننده غیرخطی ANN ، ترکیب نموده و غلظت کلراید را با دقت بیشتری تعیین می کند. نتایج نشان می دهد مدل ماشین مرکب پیشنهاد شده SAICM می تواند غلظت کلراید را با دقت بسیار بالاتری نسبت به روش های جداگانه، تخمین بزند.
کلیدواژه ها:
artificial neural network ، committee machine ، fuzzy logic ، ground water quality ، principal component analysis. ، شبکه عصبی مصنوعی ، ماشین مرکب ، منطق فازی ، کیفیت آب زیرزمینی ، آنالیز مولفه های اصلی.
نویسندگان
طاهره آذری
۱University of Kharazmi
سکینه داداشی
University of Mazandara
فاطمه کاردل
University of Mazandara
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :