روش شناسایی پارامتر در هیدرولوژی آب زیرزمینی با شبکه عصبی مصنوعی

مدل ریاضی جریان آب زیرزمینی بعنوان مبنایی برای تشخیص ضرایب نفوذپذیری سازندهای سنگی ایجاد شده تا به وسیله آن هد آب جریان زیرسطحی مشاهده شود. شبکه عصبی مصنوعی برای پیشبینی ضرایب نفوذپذیری بکار برده شده است. وزن های شبکه عصبی با بکار بردن الگوریتم بهینه سازی BFGS و تقریب مارکووارت-لونبرگ داده می شود که قابلیت همگرایی سریعی دارند. نتایج تشخیص پارامترها نشان داد که شبکه عصبی پیشنهاد شده نه تنها کارایی محاسبه بالایی دارد بلکه دقت شناسایی بهتری نیز دارد. برطبق آن ضرایب نفوذپذیری تشخیص داده شده از سازندهای سنگی، نشت سدهای ثقلی و سازندهای سنگی آن با استفاده از روش اجزاء محدود محاسبه شده است. نتایج محاسبات عددی با روش اجزاء محدود نشان داده است که هدهای آب پیشبینی شده در نقاط مشاهداتی بر طبق پارامترهای تشخیص داده شده می تواند به دقت با هدهای آب مشاهدتای مطابقت کند