پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی

صفحه اصلی آرشیو راهنمای خرید پرسش و پاسخ درباره ما پشتیبانی تبلیغات تماس با ما

صفحه نخست  » فنی و مهندسی  »  پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی

دانلود تحقیق و مقالات با عنوان دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی در قالب ورد و قابل ویرایش و در ۱۲۰ صفحه گرد آوری شده است. در زیر به مختصری از آنچه شما در این فایل دریافت می کنید اشاره شده است.

پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی

چکیده :
استفاده از شبکه عصبی در پیش بینی متغیرهای منابع آبی از جمله آب زیرزمینی بطور گسترده رو به افزایش است. این تحقیق از طریق شبکه عصبی مصنوعی چندین هدف را دنبال می کند، که شامل تعیین پارامترهای موثر بر نوسانات سطح آب زیرزمینی در دشت بیرجند و همچنین بررسی تاثیر مکانی و زمانی پارامترهای سطح آب از طریق دادههای زمانی ۱۰ ساله و سپس مدلسازی نوسانات سطح آب زیرزمینی در پیزومترهای منتخب در دشت مورد مطالعه می باشدکه بهترین مدلسازی نوسانات سطح آب با مدل شبکه عصبی FNN-LM از طریق انتخاب پارامترهای مناسب و با قابل قبول ترین تاخیر زمانی بدست آمد. و در انتها سپس با تغییر درصدی شش ماه آخر داده های ورودی در مدل اقدام به ایجاد چهار شرایط فرضی گردید و با توجه به مدلهای شبکه عصبی بدست آمده به پیش بینی نوسانات سطح آب زیرزمینی در این شرایط فرضی پرداخته شد.

کلید واژه: شبکه های عصبی مصنوعی، نوسانات سطح آب زیرزمینی، الگوریتم لونبرگ-مارکوت، دشت بیرجند

مقدمه:
یکی از فاکتورهای مهم در مدیریت صحیح هر زمینه، داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه می باشد. در مدیریت منابع آب این امر مستثنی نبوده و آگاهی از وضعیت منابع آب در یک منطقه نقش تعیین کننده ای در برنامه ریزی های آبی، کشاورزی و … آن دارد. خصوصا اگر بتوان با استفاده از تحلیل های آماری، مدلهای ریاضی و … شرایط منابع آب در آینده را نیز پیش بینی نمود.
با توجه به کاهش نزولات جوی و خشکسالی دهه اخیر و در نتیجه کمبود آب در پهنه وسیعی از کشور، مدیریت آب‌های زیرزمینی از اهمیت و حساسیت بسیار زیادی برخوردار است. برای اعمال یک مدیریت صحیح نیاز به شناسایی و به مدل در‌آوردن و پیش بینی نوسانات سطح آب سفره های زیر زمینی در دشتها جهت برنامه‌ریزی‌های بلندمدت و استفاده بیشتر و بهتر از پتانسیل‌های آبی  دشتها عمیقاً احساس می‌شود. فاکتورها و عوامل مختلفی بر روی سطح آب زیرزمینی تاثیر گذار است که از جمله آنها، عوامل آب و هوایی(حرارت، میزان بارندگی، تبخیر)، میزان تخلیه و تغذیه از سفره و… می باشند، که تحلیل این پدیده را مشکل می سازند. مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل نوسانات سطح آب زیرزمینی (هیدروگراف) می باشند.
اساس اکثر روش‌های پیش بینی بر پایه نوعی شبیه سازی از وضعیت موجود سیستم می‌باشد که اصطلاحاً به این موضوع مدل‌سازی (Modeling) گفته می‌شود. مدل‌های احتمالاتی یا مدل های آماری از رابطه مابین سری‌های زمانی و یک یا چند سری زمانی دیگر بهره می‌جویند.
امروزه به جهت پیش بینی و یافتن و درک روابط بین پارامترهای موثر در نوسانات سطح آب زیرزمینی (زمانی و مکانی)، از تکنیک های پیشرفته  استفاده می گردد. یکی از این روشها استفاده از شبکه عصبی مصنوعی می باشد، که این شبکه ها الهام گرفته از مغز انسان و چگونگی پردازش اطلاعات ؛ آموزش و یادگیری می باشد.
مدل شبکه عصبی مصنوعی در واقع یک مدل جعبه سیاه (Black Box) می باشد که فقط از طریق آموزش و یادگیری به ارتباط پیچیده و پنهان پدیده ها بخصوص پدیده های غیر خطی که بوسیله مدل های خطی و روابط آماری قابل درک و استنباط نیست، دست پیدا می کند.
مدلهای پیش بینی که از طریق شبکه های عصبی مصنوعی بدست می آید به نسبت مدلهای خطی نظیر ARIMA و یا حتی مدلهای غیر خطی دیگر مانند فازی مدلهای بسیار کارا بوده و نتایج بسیار خوبی را نشان می دهند.
در این تحقیق نیز با توجه به اهمیت موضوع مدیریت و بهره برداری بهینه از منابع آبهای زیرزمینی ، از طریق سری های زمانی به مدلسازی و شبیه سازی و در نهایت پیش بینی نوسانات سطح آب زیرزمینی با استفاده از روش شبکه عصبی مصنوعی  در منطقه مورد مطالعه پرداخته شده است. منطقه مورد مطالعه دشت بیرجند می باشد که منطقه ای خشک وبیابانی بوده و استفاده از آب زیرزمینی در آن از اهمیت بالایی برخوردار است.

فهرست مطالب
مقدمه ۱
فصل اول: مروری بر پیشینه پژوهش ۳
۱-۱- مقدمه ۳
۱-۲- مروری بر تحقیقات انجام یافته ۳
فصل دوم: روش پژوهش، ابزار و مواد ۱۱
۲-۱-مقدمه ۱۱
۲-۲- معرفی شبکه عصبی مصنوعی ۱۱
۲-۲-۱- مزیت های شبکه های عصبی: ۱۱
۲-۲-۲- کاربردهای شبکه عصبی: ۱۲
۲-۲-۳- اجزای کلی شبکه عصبی مصنوعی ۱۳
۲-۲-۴- ساختار های شبکه عصبی مصنوعی ۱۵
۲-۲-۴-۱- شبکه های پیشرو(Feedforward) 15
۲-۲-۴-۲- شبکه های برگشتی(Backforward) 15
۲-۲-۴-۳- شبکه های شعاعی(Radial Basis Function Networks ) 16
۲-۲-۵- معرفی انواع شبکه عصبی ساده: ۱۶
۲-۲-۵-۱- پرسپترون(Perceptron) 16
۲-۲-۵-۲- شبکه همینگ(Haming) 17
۲-۲-۵-۳- شبکه هاپفیلد(Hopfield) 17
۲-۲-۶- الگوریتمهای مختلف آموزش ۱۷
۲-۲-۶-۱-الگوریتم لونبرگ-مارکورت (LM) Levenberg-Marquardt 17
۲-۲-۶-۲-گرادیان نزولی انتشار خطا به عقب با ممنتم ۱۸
۲-۲-۶-۳-تنظیم بایزین (BR) Bayesian Regulazation 18
۲-۲-۷- تقسیم بندی شبکه ها از نظر نوع توابع عملگر ۱۸
۲-۲-۸- تقسیم بندی شبکه ها از نظر نوع آموزش ۱۹
۲-۲-۸-۱- آموزش نظارت شده(Supervised) 19
۲-۲-۸-۲- آموزش غیرنظارت شده(Unsupervised) 19
۲-۲-۹- آموزش شبکه های عصبی مصنوعی ۲۰
۲-۲-۱۰- صحت سنجی ۲۱
۲-۲-۱۱- معیار ارزیابی کارایی و خطای مدل ۲۲
۲-۳- ویژگیهای منطقه مورد مطالعه ۲۲
۲-۳-۱- موقعیت جغرافیایی محدوده مورد مطالعه ۲۲
۲-۳-۲- زمین شناسی منطقه مورد مطالعه: ۲۴
۲-۳-۲-۱- تشکیلات کرتاسه ۲۶
۲-۳-۲-۲- رسوبات نوع فلیش ۲۷
۲-۳-۲-۳- تشکیلات پالئوژن ۲۷
۲-۳-۲-۴- تشکیلات نئوژن ۲۷
۲-۳-۲-۵- رسوبات کواترنر ۲۸
۲-۳-۳- زمین‏شناسی ساختمانی منطقه‏ مورد مطالعه ۲۸
۲-۳-۴- هواشناسی ۲۹
۲-۳-۴-۱- بارندگی ۲۹
۲-۳-۴-۲- درجه حرارت : ۳۲
۲-۳-۴-۳- تبخیر و تعرق ۳۳
۲-۳-۴-۴- رطوبت نسبی: ۳۴
۲-۳-۴-۵- طبقه بندی اقلیمی منطقه ۳۵
۲-۳-۵- بررسی های اکتشافی دشت بیرجند ۳۷
۲-۳-۵-۱- مطالعات ژئوفیزیک ۳۷
۲-۳-۵-۲- نقشه هم ضخامت آبرفت ۳۸
۲-۳-۵-۳- نقشه مقاومت عرضی ۳۹
۲-۳-۵-۴- نقشه هم ارتفاع سنگ کف دشت بیرجند ۳۹
۲-۳-۶- هیدروژئولوژی دشت بیرجند ۴۱
۲-۳-۶- ۱- بررسی ضرایب هیدرودینامیکی: ۴۱
۲-۳-۶-۲- رفتار سنجی چاههای مشاهده ای ۴۳
۲-۳-۶-۳- هیدروگراف واحد دشت ۵۳
۲-۳-۷- نقشه های هیدروژئولوژی ۵۵
۲-۳-۷-۱- نقشه هم پتانسیل دشت بیرجند ۵۵
۲-۳-۷-۲- نقشه هم عمق دشت بیرجند ۵۷
۲-۳-۷-۳- نقشه هم افت دشت بیرجند ۵۸
۲-۳-۸- بهره برداری از منابع آب زیرزمینی دشت بیرجند ۵۹
۲-۳-۸-۱- چاه ۵۹
۲-۳-۸-۲- چشمه ۶۱
۲-۳-۸-۳- قنات ۶۲
۲-۳-۹- محاسبه بیلان دراز مدت آبخوان دشت بیرجند ۶۲
۲-۳-۹-۱- مدت یا دوره بیلان ۶۳
۲-۳-۹-۲- مجموعه ورودی آب زیرزمینی ۶۳
۲-۳-۹-۳- مجموعه خروجی آب زیرزمینی ۶۵
۲-۳-۹-۴- تغییرات حجم مخزن در دوره بیلان(∆X) 66
۲-۳-۱۰- محاسبه بیلان کوتاه مدت آبخوان آبرفتی دشت ۶۷
۲-۳-۱۰-۱- مدت یا دوره بیلان: ۶۷
۲-۳-۱۰-۲- مجموعه ورودی آب زیرزمینی: ۶۷
۲-۳-۱۰-۳- مجموعه خروجی آب زیرزمینی ۶۹
۲-۳-۱۰-۴- تغییرات حجم مخزن در دوره بیلان(∆X) 70
فصل سوم: بحث، تجزیه و تحلیل ۷۱
۳-۱- مقدمه ۷۲
۳-۲- انجام آنالیز حساسیت و تعیین ساختار شبکه عصبی و پارامترهای موثر بر نوسانات سطح آب ۷۲
۳-۳- مدلسازی سطح آب زیرزمینی در چاه مشاهده ای محمدیه در منطقه مورد مطالعه ۷۹
۳-۴- مدلسازی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه ۸۳
۳-۵- پیش بینی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه ۹۱
۳-۶- پیش بینی سطح آب در مناطق فاقد چاه مشاهده ای در محدوده مورد مطالعه و ترسیم منحنی هم تراز ۹۹
فصل چهارم: نتیجه گیری و پیشنهاد ۱۱۴
۴-۱- نتیجه گیری ۱۱۴
۴-۲- پیشنهادها ۱۱۶
منابع و ماخذ ۱۱۷
Reference 118


قیمت : 7000 تومان
[ بلافاصله بعد از پرداخت لینک دانلود فعال می شود ]








تبلیغات