محمد حسین رضایی مقدم؛ کیوان محمدزاده؛ مجید پیشنماز احمدی
چکیده
منابع آبی در گذر زمان و با افزایش جمعیت در حال کاهش می باشد، لذا مدیریت این منابع بسیار ضروری است. در مطالعه حاضر بخشی از رود آجی چای بنا به شرایط خاص منطقه از نظر توپولوژی و محیط پیرامونی انتخاب و به منظور استخراج پهنه های آبی از دو روش نزدیک ترین همسایگی و فازی شئ گرا استفاده شد. برای بهبود نتایج، نتایج حاصل از اعمال ...
بیشتر
منابع آبی در گذر زمان و با افزایش جمعیت در حال کاهش می باشد، لذا مدیریت این منابع بسیار ضروری است. در مطالعه حاضر بخشی از رود آجی چای بنا به شرایط خاص منطقه از نظر توپولوژی و محیط پیرامونی انتخاب و به منظور استخراج پهنه های آبی از دو روش نزدیک ترین همسایگی و فازی شئ گرا استفاده شد. برای بهبود نتایج، نتایج حاصل از اعمال شاخص های استخراج آب به عنوان لایههای کمکی به همراه تصویر ماهواره سنتینل 2A در نرم افزار eCognition به کار برده شد. به منظور انجام پردازش شئ گرا ابتدا واحدهای پردازش ایجاد گردید، سپس در روش نزدیک ترین همسایگی جهت بهبود نتایج، فضای نمونه های برداشتی با استفاده از الگوریتم FSO بهینه گردید. در روش فازی شئ گرا پس از محاسبه درجه های عضویت پهنه های آبی استخراج شد. بررسی نتایج نشان داد که روش فازی شیء گرا (دقت کلی 98 درصد) نسبت به روش نزدیک ترین همسایگی ( دقت کلی 95 درصد) نتایج بهتری را در استخراج دقیق پهنه های آبی ارائه می دهد. روش نزدیک ترین همسایگی کارایی لازم برای تشخیص پهنه های آبی از عوارضی نظیر جاده ها، سایه و ابر را ندارد و این عوارض را به عنوان پهنه های آبی طبقه بندی می کند که باعث کاهش کیفیت و دقت طبقه بندی می شود، ولی در روش فازی شئ گرا به دلیل محاسبه درجه های عضویت این مشکل مرتفع گردیده و باعث افزایش دقت استخراج پهنه های آبی می گردد.
یوسف عبادی؛ جواد جاودان؛ محمدحسین رضایی مقدم
چکیده
ماهیت متغیرهای کمی و کیفی آبهای زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینهبر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار میکند. در این میان روشهای درونیابی ریاضی و زمین آماری و مدلهای ...
بیشتر
ماهیت متغیرهای کمی و کیفی آبهای زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینهبر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار میکند. در این میان روشهای درونیابی ریاضی و زمین آماری و مدلهای هوش مصنوعی در سالهای اخیر نتایج بسیار قابل قبولی از این برآوردها ارائه کردهاند. در تحقیق حاضرکه با هدف ارزیابی دقت روشهای زمین آمار و شبکه عصبی مصنوعی انجام گرفته است، با استفاده از آمار اندازهگیری شده سطح تراز ایستابی آبهای زیرزمینی در 46 حلقه چاه مشاهدهای منتخب برای سال 93، در دشت شبستر- صوفیان، اقدام به برآورد مقادیر نامعلوم سطح تراز در منطقه مورد مطالعه با استفاده از روشهای زمین آمار (kriging) و روش شبکه عصبی پرسپترون چند لایه (MLP) شده است. نتایج حاصل از این تحقیق نشان میدهد، روش شبکه عصبی (MLP) با میزان همبستگی بالا (96/0) و جذر میانگین مربعات خطای کمتر (18/13) نسبت به روش کریجینگ (با میزان همبستگی 90/0 و جذر میانگین مربعات خطای 10/20)، توانایی بالاتری در میان یابی سطح تراز آب زیرزمینی دشت شبستر- صوفیان دارد، که این نتیجه با تحقیقات قبلی در این زمینه مبنی بر توانایی و انعطاف بیشتر مدلهای هوش مصنوعی در مطالعات هیدروژئولوژیکی آبخوانها مطابقت دارد. از این رو استفاده از روشهای جدید مانند شبکههای عصبی مصنوعی(ANN) و روشهای فازی - عصبی تطبیقی (ANFIS) میتواند، در دستیابی به برآوردهای دقیق تر از شرایط سفرههای آب زیرزمینی و اطلاع از کم و کیف آنها کمک شایانی به محققان و برنامهریزان در این زمینه ارائه کند.