Azari T, Dadashi S, Kardel F. Prediction of Chloride in Groundwater Using Supervised Artificial Intelligence Committee Machine (SAICM) (Case Study: Sari Plain). Journal of Engineering Geology 2023; 17 (2) :228-252
URL:
http://jeg.khu.ac.ir/article-1-3089-fa.html
آذری طاهره، داداشی سکینه، کاردل فاطمه. پیشبینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری). نشریه زمین شناسی مهندسی. 1402; 17 (2) :228-252
URL: http://jeg.khu.ac.ir/article-1-3089-fa.html
1- دانشگاه خوارزمی
2- دانشگاه مازندران
3- دانشگاه مازندران ، f.kardel@umz.ac.ir
چکیده: (851 مشاهده)
ارزیابی کیفی آبهای ساحلی که تحت تأثیر شوری آب دریا قرار میگیرند را میتوان با استفاده از پارامتر کلراید موجود در آب زیرزمینی انجام داد. این تحقیق یک روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) را جهت پیشبینی دقیق غلظت کلراید آب زیرزمینی دشت ساری پیشنهاد میدهد. SAICM با ترکیب غیرخطی مدلهای هوش مصنوعی، غلظت کلراید را به عنوان خروجی مدل پیشبینی میکند. در این تحقیق از روش آنالیز مؤلفههای اصلی (PCA)، جهت شناسایی پارامترهای هیدروشیمیایی مؤثر مرتبط با غلظت کلراید به عنوان مؤلفههای ورودی به مدلهای هوش مصنوعی استفاده شده است. بر اساس نتایج حاصل از PCA، پارامترهای (Na, K, EC, TDS, SAR)، به عنوان مؤلفههای ورودی مدلهای هوش مصنوعی انتخاب گردید. در ابتدا چهار مدل هوش مصنوعی، منطق فازی سوگنو، منطق فازی ممدانی، منطق فازی لارسن و شبکه عصبی مصنوعی جهت پیشبینی غلظت کلراید طراحی گردید. بر اساس نتایج حاصل از مدلسازی، تمامی مدلها برازش مناسبی با دادههای کلراید در دشت ساری نشان دادهاند. سپس مدل ترکیبی SAICM ساخته شد که نتایج حاصل از پیشبینی 4 مدل AI جداگانه را با استفاده از ترکیب کننده غیرخطی ANN ، ترکیب نموده و غلظت کلراید را با دقت بیشتری تعیین میکند. نتایج نشان میدهد مدل ماشین مرکب پیشنهاد شده SAICM میتواند غلظت کلراید را با دقت بسیار بالاتری نسبت به روشهای جداگانه، تخمین بزند.
نوع مطالعه:
مقاله پژوهشی |
موضوع مقاله:
هیدروژئولوژی (آب های زیرزمینی) دریافت: 1402/5/8 | پذیرش: 1402/6/29 | انتشار: 1402/6/30