@article { author = {Emami, Somayeh and Choopan, Yahya and Parsa, Javad}, title = {Modeling the Groundwater Level of the Miandoab Plain Using Artificial Neural Network Method and Election and Genetic Algorithms}, journal = {Iranian journal of Ecohydrology}, volume = {5}, number = {4}, pages = {1175-1189}, year = {2018}, publisher = {Faculty of New Sciences and Technologies, University of Tehran}, issn = {2423-6098}, eissn = {2423-6101}, doi = {10.22059/ije.2018.258644.889}, abstract = {It is very important to predicte and modifed the groundwater levels in the future period and the possibility of water resources planning and management to improve aquifer conditions. In this study, for the first time, used election algorithm to predicted groundwater level in the Miandoab plain. EA algorithm is a repeat algorithm inspired by presidential election and working with a set of khown solutions as a population. Also the results were compared of ANN and Genetic algorithm. Water table level data such as temperature, precipitation, humidity, evaporation and water surface data for the 2005 -2015 period was used as our data in this study. Based on the calculations performed and the results predicted from the statistical parameters, the election algorithm has a significant ability in the groundwater level with RMSE, R2 and NSE, 0.027, 0.93 and 0.74, respectively, in comparison to ANN method and GA algorithm and provides reliable results.}, keywords = {Groundwater,water resources,Election Algorithm,modeling}, title_fa = {مدل‏سازی تراز آب زیرزمینی دشت میاندوآب با استفاده از الگوریتم‌های انتخابات، ژنتیک و روش شبکۀ عصبی مصنوعی}, abstract_fa = {پیش‏بینی تغییرات تراز آب زیرزمینی در دوره‏های آتی و امکان برنامه‏ریزی و مدیریت منابع آب برای بهبود شرایط آبخوان در آینده، بسیار مهم است. در پژوهش حاضر، برای اولین بار با استفاده از الگوریتم انتخابات که یک الگوریتم تکرارشونده است و از انتخابات ریاست جمهوری الهام گرفته و با مجموعه‏ای از راه‏ حل‏های شناخته‌شده به عنوان جمعیت کار می‏کند، به پیش‏بینی تراز آب زیرزمینی دشت میاندوآب در استان آذربایجان ‏غربی پرداخته شد و نتایج به‌دست‌آمده از این روش با نتایج روش‏های شبکۀ عصبی مصنوعی و الگوریتم ژنتیک مقایسه شد. داده‏های تراز سطح آب دشت میاندوآب، داده‏های هواشناسی مانند دما، بارش، رطوبت، تبخیر و داده‏های آب‏های سطحی در دورۀ آماری 1385ـ 1395 در مقیاس ماهانه برای آموزش و آزمون مدل‏ها استفاده شد. براساس محاسبه‏های انجام‌شده و نتایج به‏دست‌آمده از پارامترهای آماری، الگوریتم انتخابات به‌ترتیب با مقادیر ریشۀ میانگین مربعات خطا (RMSE)، ضریب همبستگی (R2) و معیار نش- ساتکلیف (NSE)، 027/0، 93/0 و 74/0 نسبت به دو روش شبکۀ عصبی مصنوعی و الگوریتم ژنتیک، توانایی درخور توجهی در پیش‏بینی تراز سطح آب زیرزمینی دارد و نتایج قابل اطمینانی را ارائه می‏دهد.}, keywords_fa = {آب زیرزمینی,الگوریتم انتخابات,مدل‏سازی,منابع آب}, url = {https://ije.ut.ac.ir/article_68662.html}, eprint = {https://ije.ut.ac.ir/article_68662_804e3baf45e6358e0833faa27be63998.pdf} }