{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QE58",
        "title": "پیش بینی سطح آب زیرزمینی دشت بسطام با استفاده از مدل شبکه  عصبی مصنوعی (ANN) و  شبکه استنتاج تطبیقی عصبی فازی (ANFIS)",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1390",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QE58",
        "title": "پیش بینی سطح آب زیرزمینی دشت بسطام با استفاده از مدل شبکه  عصبی مصنوعی (ANN) و  شبکه استنتاج تطبیقی عصبی فازی (ANFIS)",
        "degree": null,
        "faculty": "علوم زمین",
        "year": 1390,
        "authors": [
            {
                "name": "خدیجه مسلمی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "غلامحسین کرمی",
                "role": "استاد راهنما"
            },
            {
                "name": "صمد امامقلی زاده",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "دشت بسطام",
            "شبکه عصبی مصنوعی",
            "شبکه استنتاج تطبیقی عصبی فازی"
        ],
        "abstract": "دشت بسطام با مساحتی در حدود 406 کیلومتر مربع در 8 کیلومتری شمال شرق شهرستان شاهرود قرار گرفته است. این دشت یکی از مهمترین دشت‎ها از نقطه نظر کشاورزی بوده که برداشت بی‎رویه از منابع آب زیرزمینی باعث افت زیادی در سطح آب این دشت گردیده است. هدف از این تحقیق مدلسازی سطح آب زیرزمینی با استفاده از مدل‎های غیرخطی شبکه عصبی مصنوعی و شبکه استنتاج تطبیقی عصبی فازی می‎باشد. برای انجام مدلسازی با شبکه عصبی مصنوعی از شبکه پروسپترون چندلایه پیشرو با توابع محرک سیگموئید، گوس، تانژانت هیپربولیک و سکانت هیپربولیک و قانون آموزش پس‎انتشار خطا (Back Propagation with momentum, BP) استفاده گردید. داده‎های ورودی به هر دو شبکه شامل برداشت از آب زیرزمینی، آب برگشتی کشاورزی و بارش مؤثر می‎باشد. نتایج بدست آمده نشان می‎دهد هر دو روش توانستند با دقت بالایی سطح آب زیرزمینی را پیش‎بینی نمایند. در مدلسازی با شبکه استنتاج تطبیقی عصبی فازی روش سوگنو از بین ساختارها و توابع عضویت مختلف، تابع عضویت ذوزنقه‎ای شکل و روش انبوهش مینیمم با ضریب همبستگی 99/0 و 91/0 به ترتیب در مراحل آموزش و صحت‎سنجی؛ و در مدلسازی با شبکه عصبی مصنوعی تابع محرک تانژانت هیپربولیک با ضریب همبستگی 99/0 و ریشه میانگین مجذور خطا 36/0 در مرحله آموزش و ضریب همبستگی 83/0 و ریشه میانگین مجذور خطا 06/1 مرحله صحت‎سنجی، بهترین جوابها با کمترین خطاها را ایجاد کردند. با مقایسه نتایج مشخص شد، از میان این دو شبکه، شبکه استنتاج تطبیقی عصبی فازی پیش‎بینی دقیق‎تری را از سطح آب زیرزمینی ارائه نمود. پس از تعیین بهترین شبکه برای انجام مدلسازی، پیش‎بینی سطح آب زیرزمینی در 2 سال آینده با سناریوهای مختلفی چون الف) مقدار برداشت و بارش در 2 سال آینده ثابت و برابر زمان حال باشد. ب) مقدار برداشت را به اندازه کاهش حجم سالانه آب در آبخوان تقلیل یابد و مقدار بارش ثابت باشد. ج) مقدار برداشت ثابت و بارش 30% کاهش یابد (دوره خشکسالی)، انجام گرفت و با هم مقایسه گردید. بر اساس نتایج بدست آمده زمانی که مقدار برداشت به اندازه کاهش حجم سالانه آب در آبخوان تقلیل یابد، مقدار افت در کل دشت از 8/1 متر به 7/0 متر کاهش یافته و در سناریو خشکسالی مقدار افت از 8/1 متر به 2 متر افزایش پیدا می‎کند.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QE58.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}