شبیهسازی بار هیدرولیکی با استفاده از مدل‌های شبکه عصبی مصنوعی ( ANN و ANN+PSO ) و مدل SEAWAT

نوع مقاله: مستخرج از پایان نامه

نویسندگان

1 دانشجوی کارشناسی ارشددانشگاه شهید چمران اهواز

2 استاد دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

3 استادیار دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

4 دانش آموخته دکتری دانشگاه شهید چمران اهواز

10.22034/jest.2018.16215.2468

چکیده

آب زیرزمینی مهم‌ترین منبع تأمین آب در جهان برای مصارف خانگی و شرب می‌باشد. در این خصوص، تأمین آب مناسب به خصوص در طول فصول خشک مستلزم پیش‌بینی نوسانات تراز آب با دقت قابل قبول می‌باشد. آزمایش‌های مزرعه‌ای به منظور شناخت شرایط موجود سامانه‌های زهکشی مفید هستند، اما محدودیت‌های قابل توجهی نیز دارند. از جمله اینکه، این آزمایش‌ها را نمی‌توان برای پیشبینی استفاده کرد. کاربرد مدل‌های شبیه‌سازی این محدودیت‌ها را تا حدود زیادی برطرف می‌کند. اما قبل از کاربرد چنین مدل‌هایی، درستی نتایج بدست آمده از آن‌ها باید با نتایج آزمایش‌های مزرعهای مقایسه گردد. در این پژوهش از مدل‌های شبکه ‌عصبی‌ مصنوعی ANN و ANN+PSO و مدل SEAWAT برای پیش‌بینی بار هیدرولیکی استفاده شده است.
بدین منظور مزرعه 11-9R از مزارع نیشکر دعبل خزاعی انتخاب و تعدادی پیزومتر در فواصل مختلف از جمع کننده زهاب و در اعماق 2/2، 3، 4و 5 متری از سطح زمین نصب شد. تغییرات بار هیدرولیکی پیزومترها، و همچنین پارامترهای ورودی مدل شامل حجم آب آبیاری، دبی زهکش‌ها و خصوصیات خاک منطقه مورد مطالعه از مهر 1392 تا آذر 1393 بصورت روزانه برداشت شد.
نتایج نشان داد بالاترین دقت در پیش‌بینی بار هیدرولیکی مربوط به مدل ANN+PSO می‌باشد. به طوری‌که مقدار میانگین RMSE اعماق مختلف بین مقادیر اندازه‌گیری شده و شبیه‌سازی شده با مدل‌های ANN، ANN+PSO و SEAWAT به ترتیب برابر 109/0، 098/0 و 19/0 و مقدار میانگین ضریب R^2 در اعماق مختلف برای مدل‌های ANN، ANN+PSO و SEAWAT به ترتیب برابر 964/0، 991/0 و 72/0 بدست آمد. همچنین نتایج مقایسه میانگین‌ها بین داده‌های اندازه‌گیری و شبیه‌سازی شده نشان داد، بین مقادیر پیش‌بینی ‌شده توسط مدل‌ها با داده‌های اندازه‌گیری شده اختلاف معنی‌دار وجود ندارد.
نتایج نشان داد با توجه به کارایی بالای مدل ANN+PSO می‌توان از آن برای اتخاذ تصمیمات مدیریتی و حصول اطمینان از نتایج پایش و کاهش هزینه استفاده کرد.

کلیدواژه‌ها

موضوعات