Πρόβλεψη των χωροχρονικών μεταβολών της στάθμης υπογείων υδάτων με χρήση τεχνητών νευρωνικών δικτύων και γεωστατιστικών μεθόδων

Περίληψη

Σκοπός της παρούσας διατριβής είναι η δημιουργία ενός προγράμματος χωρικής και χρονικής προσομοίωσης του υδραυλικού ύψους ενός υδροφορέα, με χρήση μεθόδων υπολογιστικής νοημοσύνης και γεωστατιστικών μεθόδων. Τα Τεχνητά Νευρωνικά Δίκτυα είναι η μέθοδος που επιλέχθηκε για τη χρονική προσομοίωση, καθώς έχει αποδειχθεί ήδη στην βιβλιογραφία ότι η χρήση της φέρει καλά αποτελέσματα χωρίς την απαίτηση πολύπλοκων και δυσεύρετων δεδομένων εισόδου. Η μεθοδολογία του Kriging ακολουθήθηκε για τη χωρική προσομοίωση και παρεμβολή των αποτελεσμάτων των τεχνητών νευρωνικών δικτύων στο χώρο. Για το συνδυασμό των δύο αυτών μεθοδολογιών χρησιμοποιήθηκε ένα σύστημα ασαφούς λογικής.Το πρώτο βήμα που ακολουθείται στην προτεινόμενη προσέγγιση είναι η συλλογή όλων των διαθέσιμων δεδομένων. Στην παρούσα διατριβή συλλέχθηκαν δεδομένα και έγινε προσομοίωση του υδραυλικού ύψους για δύο περιοχές μελέτης μια στην Βαυαρία της Γερμανίας και μια στο Μαϊάμι της πολιτείας Φλόριντα των ΗΠΑ. Οι δύο αυτές περιοχές έχουν πο ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The purpose of this study is to create a spatial and temporal simulation program for the estimation of the hydraulic heads in an aquifer, using computational intelligence and geostatistical methods. Artificial neural networks were chosen for the temporal simulation, due to their proven ability, established in literature. This choice is further reinforced by the fact that their implementation does not require complex and hard to obtain input data. The methodology was completed by using the Kriging method for the spatial interpolation of the artificial neural network’ simulation results. A fuzzy logic system was employed to combine these two methodologies.The first step in the proposed approach is the collection of all available data. In this study, data were collected and the hydraulic head was simulated for two study areas; one in Bavaria, Germany and one in Miami, Florida, USA. These two regions have very different characteristics (geological, climatic and land use) and for this reaso ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/35781
ND
35781
Εναλλακτικός τίτλος
Predicting Spatial and Temporal changes in groundwater levels using Artificial Neural Networks and Geostatistical methods
Συγγραφέας
Ταπόγλου, Ευδοκία του Στυλιανός
Ημερομηνία
2015
Ίδρυμα
Πολυτεχνείο Κρήτης. Σχολή Μηχανικών Περιβάλλοντος
Εξεταστική επιτροπή
Καρατζάς Γεώργιος
Νικολαϊδης Νικόλαος
Νικολός Ιωάννης
Χρυσικόπουλος Κωνσταντίνος
Τσάνης Ιωάννης
Χριστόπουλος Διονύσιος
Λουκάς Αθανάσιος
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Γεωεπιστήμες και Επιστήμες Περιβάλλοντος
Επιστήμες Μηχανικού και Τεχνολογία
Περιβαλλοντική Μηχανική
Λέξεις-κλειδιά
Προσομοίωση υπογείων υδάτων; Αλγόριθμοι τεχνητής νοημοσύνης; Γεωστατιστικές μέθοδοι
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
Ειδικοί όροι χρήσης/διάθεσης
Το έργο παρέχεται υπό τους όρους της δημόσιας άδειας του νομικού προσώπου Creative Commons Corporation:
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)