هوش مصنوعی در مدیریت منابع آب: گذشته، حال و فرصت های آن

عنوان فارسی مقاله:هوش مصنوعی در مدیریت منابع آب: گذشته، حال و فرصت های آن

چکیده

درک سیستم های هیدرولوژیکی در مقیاس حوضه های آبخیز به هم پیوسته و حوضه های رودخانه های مرتبط برای کشورهای در حال توسعه و توسعه یافته بسیار مهم است، زمانی که با رویدادهای آب و هوایی شدید مواجه می شوند که اغلب بر امنیت و کیفیت آب تأثیر می گذارد و در نهایت بر تمدن ها به عنوان یک کل تأثیر می گذارد. مدل‌سازی هیدرولوژیکی وضعیت فعلی تا حد زیادی قطعی بوده و به مدل‌های مشابه خطی یا خطی ساده شده است، که اغلب قادر به پاسخگویی به تغییرات درون و بین حوضه‌ای در توپوگرافی، الگوهای آب و هوا، پوشش زمین، ظرفیت زهکشی خاک و سایر عوامل ثانویه مرتبط نیستند. نیاز روز به یک تغییر کوانتومی در عمل مدل‌سازی هیدرولوژیکی با توانایی مدیریت متغیرهای تصادفی مبتنی بر داده‌ها با اهرم در دسترس بودن داده‌های بلادرنگ و قادر به ایجاد روابط صریح بین متغیرهای ورودی و پدیده‌ها بدون مدل‌سازی فیزیکی است. .

هدف این مقاله بررسی، ارائه مروری بر کاربردهای هوش مصنوعی فعلی (AI) در حوزه مدیریت منابع آب با تاکید بر هیدرولوژی سطحی است. برای هدف این مقاله، ما بر آنچه که آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی ایالات متحده (دارپا)، یکی از سرمایه‌گذاران عمومی عمده تحقیقات هوش مصنوعی در دهه‌های گذشته، اخیراً موج دوم و سوم هوش مصنوعی را نامگذاری کرده است، تمرکز خواهیم کرد. (دارپا، ۲۰۲۱) موج دوم و سوم تکنیک های هوش مصنوعی را به عنوان سیستم های هوشمند با توانایی یادگیری و پاسخ به یک محیط در حال تغییر طبقه بندی می کند.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Artificial Intelligence in Water Resource Management: The Past, Present and Opportunities thereof

Abstract

Understanding hydrologic systems at the scale of interconnected watersheds and associated river basins is critically important for developing and developed nations alike, when faced with extreme weather events, often affecting water security and quality, and ultimately affecting civilizations as a whole. Current state hydrological modeling has been largely deterministic and simplified to linear or linear like models, often being unable to respond to intra- and inter-basin variations in topography, weather patterns, land cover, soil drainage capacity, and other associated secondary factors. The need of the hour is for a quantum shift in the practice of hydrological modeling with the ability to handle data driven stochastic variables leveraging the availability of real-time data and capable of establishing explicit relationships between input variables and phenomena with little to no physical modeling. The aim of this survey paper is to present a review of current artificial intelligence (AI) applications in the water resource management domain with an emphasis on surface hydrology. For the purpose of this paper, we will focus on what the US Defense Advanced Research Projects Agency (DARPA), one of the major public funders of AI research in the past decades, has recently labeled the second and third wave of AI. (DARPA, 2021) classifies the second and third wave of AI techniques as intelligent systems with the ability to learn and respond to a changing environment.