TY - JOUR ID - 72429 TI - تخمین پارامترهای کیفی و کمی آب زیرزمینی توسط مدل‌های عددی: مطالعه موردی حوضه آبریز میقان در دشت اراک JO - تحقیقات آب و خاک ایران JA - IJSWR LA - fa SN - 2008-479X AU - پورسعید, مجتبی AU - مستوری, رضا AU - شعبانلو, سعید AU - نجارچی, محسن AD - دانشکده تحصیلات تکمیلی عمران، واحد اراک، دانشگاه آزاد اسلامی AD - دانشکده تحصیلات تکمیلی عمران، واحد اراک، دانشگاه آزاد اسلامی، AD - استادیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی AD - استادیار ، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران Y1 - 2020 PY - 2020 VL - 51 IS - 1 SP - 201 EP - 216 KW - شوری KW - هدایت الکتریکی KW - تراز آب زیر زمینی KW - مادفلو KW - ماشین آموزش نیرومند DO - 10.22059/ijswr.2019.279388.668166 N2 - در این مطالعه، مقادیر شوری، هدایت الکتریکی، تراز آب زیرزمینی و کل جامدات محلول در محدوده مطالعاتی اراک توسط چهار مدل نوین هوش مصنوعی ماشین آموزش نیرومند، ویولت- ماشین آموزش نیرومند، ماشین آموزش نیرومند ترتیبی آنلاین و ویولت- ماشین آموزش نیرومند ترتیبی آنلاین و همچنین نرم افزار مادفلو (مدل MT3D) شبیه­سازی شدند. لازم به ذکر است که برای توسعه مدل­های ترکیبی از تبدیل ویولت استفاده شد. در ابتدا، با استفاده از تابع خودهمبستگی و تابع خودهمبستگی جزئی، تاخیرهای موثر برای برآورد پارامترهای کیفی و کمی آب زیرزمینی شناسایی شدند. سپس با استفاده از این تاخیرها، چهار مدل مختلف برای هر یک از روش­های هوش مصنوعی توسعه داده شدند. در ادامه، با انجام تحلیل حساسیت، مدل­های برتر برای شبیه­سازی پارامترهای کیفی و کمی آب زیرزمینی شناسایی شدند. همچنین موثرترین تاخیرها برای تخمین این پارامترها معرفی گردیدند. علاوه بر این، نتایج مدل مادفلو با مدل­های هوش مصنوعی مقایسه شد که مدل­های هوش مصنوعی دارای دقت بالاتری بودند. به­عنوان مثال، مقادیر شاخص پراکندگی و ضریب نش برای کل جامدات محلول توسط مدل هوش مصنوعی برتر به­ترتیب برابر با 3-E34/5 و 991/0 محاسبه شدند. همچنین، مقادیر RMSE و MAE برای تخمین تراز آب زیرزمینی توسط مدل برتر به­ترتیب مساوی با 078/0 و 061/0 بدست آمدند. در انتها تحلیل عدم قطعیت برای مدل­های برتر اجرا شد. UR - https://ijswr.ut.ac.ir/article_72429.html L1 - https://ijswr.ut.ac.ir/article_72429_745c15fba65a2f38dc9b999ecb79ad74.pdf ER -