مقایسه شبکه عصبی برگشتی(RNN) و شبکه عصبی شعاعی (RBF) به منظور ﭘﻴﺶ ﺑﻴﻨﻲ تراز آب‌های زیرزمینی (مطالعه موردی : آبخوان دشت روانسر-سنجابی)

نوع مقاله : مقاله پژوهشی

نویسنده

دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران

چکیده

قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. رشد روزافزون جمعیت و محدودیت منابع آبی و استفاده بیش از قبل از منابع آب زیرزمینی در بیشتر نقاط کشور، پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه می‌طلبد. در این تحقیق به منظور تخمین تراز سطح آب زیرزمینی آبخوان دشت روانسر-سنجابی از دو مدل هوش مصنوعی شامل شبکه عصبی برگشتی (RNN) و شبکه عصبی تابع پایه شعاعی (RBF) با به کار گیری داده‌های دما، بارش ، تبخیر، زطوبت ایستگاه هواشناسی روانسر و سطح تراز آب‌های زیر زمینی دشت روانسر-سنجابی در دوره 20 ساله (1399-1380) استفاده شده است. با وجود توانایی‌های ذاتی هر یک از این مدل‌های هوش مصنوعی در پیش بینی سطح آب زیرزمینی، هر کدام درای نقاط قوت و نقاط ضعف می‌باشد، که در نهایت با اجرای هر یک از دو روش نامبرده، مشخص شدکه شبکه عصبی RNN عملکرد بهتر و مناسب تر جهت پیش بینی سطح تراز آب‌های زیر زمینی را داشت.

چکیده تصویری

مقایسه شبکه عصبی برگشتی(RNN) و شبکه عصبی شعاعی (RBF) به منظور ﭘﻴﺶ ﺑﻴﻨﻲ تراز آب‌های زیرزمینی (مطالعه موردی : آبخوان دشت روانسر-سنجابی)

کلیدواژه‌ها


  • تاریخ دریافت: 03 دی 1400
  • تاریخ بازنگری: 19 اردیبهشت 1401
  • تاریخ پذیرش: 11 خرداد 1401
  • تاریخ اولین انتشار: 31 خرداد 1401