کاربرد مدلهای هوش مصنوعی مبتنی بر یادگیری عمیق در بهینه سازی مدیریت آب زیرزمینی حوضه های خشک خاورمیانه مطالعه موردی ایران و اردن

چکیده مقاله

در مناطق خشک خاورمیانه کمبود آب زیرزمینی به دلیل برداشت بیش از حد و تغییرات اقلیمی تهدیدی جدی برای توسعه پایدار است این مقاله یک مدل نوین هوش مصنوعی AI مبتنی بر شبکه های عصبی کانولوشنی CNN و الگوریتم های ژنتیک را برای پیش بینی و بهینه سازی برداشت آب زیرزمینی پیشنهاد می دهد با استفاده از داده های ماهواره ای Sentinel ۲ و مدل های هیدرولوژیکی، مدل پیشنهادی در دو حوضه آبریز ایران دشت رفسنجان و اردن دره اردن آزمایش شد نتایج شبیه سازی نشان می دهد که این مدل می تواند دقت پیش بینی سطح آب زیرزمینی را تا ۸۵% افزایش دهد و هدررفت را ۲۵٪ کاهش دهد در مقایسه با روش های سنتی مهندسی عمران، این رویکرد با تلفیق داده های محلی و الگوریتم های یادگیری عمیق، به سیاست گذاران کمک می کند تا زیرساخت های پایدار مانند چاه های هوشمند طراحی کنند یافته ها بر اهمیت همکاری منطقه ای در خاورمیانه تاکید دارد و با اهداف SDG ۱ آب پاک و بهداشت همخوانی دارد این مدل، به عنوان یک راهکار خلاقانه، پتانسیل تحول در مدیریت منابع آب را در کشورهای با کمبود آب دارد

کلیدواژه‌ها

نویسندگان

مهسا کریمی

مقاله کاربرد مدلهای هوش مصنوعی مبتنی بر یادگیری عمیق در بهینه سازی مدیریت آب زیرزمینی حوضه های خشک خاورمیانه مطالعه موردی ایران و اردن

کریمی، مهسا،1404،کاربرد مدلهای هوش مصنوعی مبتنی بر یادگیری عمیق در بهینه سازی مدیریت آب زیرزمینی حوضه های خشک خاورمیانه مطالعه موردی ایران و اردن،هشتمین کنفرانس بین المللی دستاوردهای خلاقانه معماری، شهرسازی، عمران و محیط زیست در توسعه پایدار خاورمیانه،مشهد

ارائه‌شده در

مجموعه مقالات هشتمین کنفرانس بین المللی دستاوردهای خلاقانه معماری، شهرسازی، عمران و محیط زیست در توسعه پایدار خاورمیانه30 آبان 1404 · مشهد