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 10 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
فهرست
مقدمه 1
فصل اول: مروری بر پیشینه پژوهش 3
1-1- مقدمه 3
1-2- مروری بر تحقیقات انجام یافته 3
فصل دوم: روش پژوهش، ابزار و مواد 11
2-1-مقدمه 11
2-2- معرفی شبکه عصبی مصنوعی 11
2-2-1- مزیت های شبکه های عصبی: 11
2-2-2- کاربردهای شبکه عصبی: 12
2-2-3- اجزای کلی شبکه عصبی مصنوعی 13
2-2-4- ساختار های شبکه عصبی مصنوعی 15
2-2-4-1- شبکه های پیشرو(Feedforward) 15
2-2-4-2- شبکه های برگشتی(Backforward) 15
2-2-4-3- شبکه های شعاعی(Radial Basis Function Networks ) 16
2-2-5- معرفی انواع شبکه عصبی ساده: 16
2-2-5-1- پرسپترون(Perceptron) 16
2-2-5-2- شبکه همینگ(Haming) 17
2-2-5-3- شبکه هاپفیلد(Hopfield) 17
2-2-6- الگوریتمهای مختلف آموزش 17
2-2-6-1-الگوریتم لونبرگ-مارکورت (LM) Levenberg-Marquardt 17
2-2-6-2-گرادیان نزولی انتشار خطا به عقب با ممنتم 18
2-2-6-3-تنظیم بایزین (BR) Bayesian Regulazation 18
2-2-7- تقسیم بندی شبکه ها از نظر نوع توابع عملگر 18
2-2-8- تقسیم بندی شبکه ها از نظر نوع آموزش 19
2-2-8-1- آموزش نظارت شده(Supervised) 19
2-2-8-2- آموزش غیرنظارت شده(Unsupervised) 19
2-2-9- آموزش شبکه های عصبی مصنوعی 20
2-2-10- صحت سنجی 21
2-2-11- معیار ارزیابی کارایی و خطای مدل 22
2-3- ویژگیهای منطقه مورد مطالعه 22
2-3-1- موقعیت جغرافیایی محدوده مورد مطالعه 22
2-3-2- زمین شناسی منطقه مورد مطالعه: 24
2-3-2-1- تشکیلات کرتاسه 26
2-3-2-2- رسوبات نوع فلیش 27
2-3-2-3- تشکیلات پالئوژن 27
2-3-2-4- تشکیلات نئوژن 27
2-3-2-5- رسوبات کواترنر 28
2-3-3- زمینشناسی ساختمانی منطقه مورد مطالعه 28
2-3-4- هواشناسی 29
2-3-4-1- بارندگی 29
2-3-4-2- درجه حرارت : 32
2-3-4-3- تبخیر و تعرق 33
2-3-4-4- رطوبت نسبی: 34
2-3-4-5- طبقه بندی اقلیمی منطقه 35
2-3-5- بررسی های اکتشافی دشت بیرجند 37
2-3-5-1- مطالعات ژئوفیزیک 37
2-3-5-2- نقشه هم ضخامت آبرفت 38
2-3-5-3- نقشه مقاومت عرضی 39
2-3-5-4- نقشه هم ارتفاع سنگ کف دشت بیرجند 39
2-3-6- هیدروژئولوژی دشت بیرجند 41
2-3-6- 1- بررسی ضرایب هیدرودینامیکی: 41
2-3-6-2- رفتار سنجی چاههای مشاهده ای 43
2-3-6-3- هیدروگراف واحد دشت 53
2-3-7- نقشه های هیدروژئولوژی 55
2-3-7-1- نقشه هم پتانسیل دشت بیرجند 55
2-3-7-2- نقشه هم عمق دشت بیرجند 57
2-3-7-3- نقشه هم افت دشت بیرجند 58
2-3-8- بهره برداری از منابع آب زیرزمینی دشت بیرجند 59
2-3-8-1- چاه 59
2-3-8-2- چشمه 61
2-3-8-3- قنات 62
2-3-9- محاسبه بیلان دراز مدت آبخوان دشت بیرجند 62
2-3-9-1- مدت یا دوره بیلان 63
2-3-9-2- مجموعه ورودی آب زیرزمینی 63
2-3-9-3- مجموعه خروجی آب زیرزمینی 65
2-3-9-4- تغییرات حجم مخزن در دوره بیلان(∆X) 66
2-3-10- محاسبه بیلان کوتاه مدت آبخوان آبرفتی دشت 67
2-3-10-1- مدت یا دوره بیلان: 67
2-3-10-2- مجموعه ورودی آب زیرزمینی: 67
2-3-10-3- مجموعه خروجی آب زیرزمینی 69
2-3-10-4- تغییرات حجم مخزن در دوره بیلان(∆X) 70
فصل سوم: بحث، تجزیه و تحلیل 71
3-1- مقدمه 72
3-2- انجام آنالیز حساسیت و تعیین ساختار شبکه عصبی و پارامترهای موثر بر نوسانات سطح آب 72
3-3- مدلسازی سطح آب زیرزمینی در چاه مشاهده ای محمدیه در منطقه مورد مطالعه 79
3-4- مدلسازی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه 83
3-5- پیش بینی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه 91
3-6- پیش بینی سطح آب در مناطق فاقد چاه مشاهده ای در محدوده مورد مطالعه و ترسیم منحنی هم تراز 99
فصل چهارم: نتیجه گیری و پیشنهاد 114
4-1- نتیجه گیری 114
4-2- پیشنهادها 116
منابع و ماخذ 117
Reference
شامل 187 صفحه word
دانلود تحقیق آب زیرزمینی شبکه عصبی مصنوعی