فرمت فایل : power point (لینک دانلود پایین صفحه) تعداد اسلاید : 11 اسلاید
فهرست مطالب :
دیباچه
هوش مصنوعی به هوشی که یک ماشین از خود نشان میدهد و یا به دانشی در کامپیوترکه سعی در ایجاد آن دارد گفته می شود. جان مک کارتی "پدر علم و دانش ماشینهای هوشمند" ، واژه هوش مصنوعی را در سال 1956 به کار برد . تحقیقات و جستجوهای انجام شده برای رسیدن به ساخت چنین ماشینهائی مرتبط با بسیاری از علوم دیگر مانند رایانه ، روان شناسی ، فلسفه ، عصب شناسی ، علوم ادراکی ، تئوری کنترل ، احتمالات ، بهینه سازی و منطق می باشد .
هنوز تعریف دقیقی برای هوش مصنوعی ارائه نشده است که مورد قبول همه ی دانشمندان صاحب نظر در این زمینه باشد و این خود به علت آن است که اساس این موضوع یعنی هوش مورد جنجال و اختلاف است و تعریف جامعی درباره آن وجود ندارد.
بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارایه تصمیم می‌باشد. در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسائل دریافت شده تلقی می‌شود. هوش مصنوعی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و یا حیوانی و نهایتاً دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی می‌باشد.
در مقایسه هوش مصنوعی با هوش انسانی می‌توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم می‌باشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه‌هایی از قبل تعبیه شده بر روی کامپیوتر می‌باشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده‌ایم.
بطور کلّی، هوش مصنوعی را می‌توان از زوایای متفاوتی مورد بررسی و مطالعه قرار داد. مابین هوش مصنوعی به عنوان یک هدف، هوش مصنوعی به عنوان یک رشته تحصیلی دانشگاهی، و یا هوش مصنوعی به عنوان مجموعهٔ فنون و راه کارهایی که توسط مراکز علمی مختلف و صنایع گوناگون تنظیم و توسعه یافته‌است باید تفاوت قائل بود.
ایجاد و ابداع فنون و تکنیک‌های لازم برای مدیریّت پیچیدگی را باید به عنوان هستهٔ بنیادین تلاش‌های علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینه‌های علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد. شیوه‌ها و تکنیک‌های هوش مصنوعی، در واقع، برای حل آن دسته از مسائل به وجود آمده‌است که به طور سهل و آسان توسط برنامه‌نویسی تابعی (Functional programming) ، یا شیوه‌های ریاضی قابل حلّ نبوده‌اند.
امروزه دانش مدرن هوش مصنوعی به دو دسته تقسیم می‌شود :
ا) هوش مصنوعی سمبلیک یا نمادین ( Symbolic Ai )
2) هوش غیر سمبلیک یا پیوندگرا ( Connection Ai )
هوش مصنوعی سمبلیک از رهیافتی مبتنی بر محاسبات آماری پیروی می‌کند و اغلب تحت عنوان «یادگیری ماشین» یا Machine Learning طبقه‌بندی می‌شود. هوش سمبلیک می‌کوشد سیستم و قواعد آن را در قالب سمبل‌ها بیان کند و با نگاشت اطلاعات به سمبل‌ها و قوانین به حل مسئله بپردازد. در میان معروف‌ترین شاخه‌های هوش مصنوعی سمبلیک می‌توان به سیستم‌های خبره (Expert Systems) و شبکه‌هایBayesian اشاره کرد. اما هوش پیوندگرا متکی بر یک منطق استقرایی است و از رهیافت «آموزش/ بهبود سیستم از طریق تکرار» بهره می‌گیرد. این آموزش‌ها نه بر اساس نتایج و تحلیل‌های دقیق آماری، بلکه مبتنی بر شیوه آزمون و خطا و «یادگیری از راه تجربه» است. در هوش مصنوعی پیوندگرا، قواعد از ابتدا در اختیار سیستم قرار نمی‌گیرد، بلکه سیستم از طریق تجربه، خودش قوانین را استخراج می‌کند. متدهای ایجاد شبکه‌های عصبی (Network Neural) و نیز به کارگیری منطق فازی (Fuzzy Logic) در این دسته قرار می‌گیرد.
در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمّیّت است که بر پیچیدگی فائق می‌آییم و می‌توانیم بر روی بخش‌هایی از مسئله متمرکز شویم که مهم‌تر است. تلاش اصلی در واقع، ایجاد و دستیابی به لایه‌ها و ترازهای بالاتر از هوشمندی تجرید را نشانه می‌رود، تا آنجا که، سرانجام برنامه‌های کامپوتری درست در همان سطحی کار خواهند کرد که خود انسان‌ها رسیده‌اند.
به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این دانش کمک زیادی کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای نمونه روباتیی هوشمند که بتواند اعضای بدن خود را به حرکت درآورد، این روبات نسبت به این حرکت خود آگاه بوده و با آزمون و خطا، دامنه حرکت خود را گسترش میدهد و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن دست می‌یابد، که سازندگانش برای او متصور نبوده‌اند.
هر چند نمونه بالا ممکن است کمی آرمانی به نگر برسد، ولی به هیچ عنوان دور از دسترس نمی‌باشد. دانشمندان، عموماً برای تولید چنین ماشینهایی، از وجود مدلهای زنده‌ای که در طبیعت وجود، به ویژه آدمی نیز سود برده‌اند.
هوش مصنوعی اکنون در خدمت توسعه علوم رایانه نیز می‌باشد. زبانهای برنامه نویسی پیشرفته، که توسعه ابزارهای هوشمند را ممکن ساخته اند، پایگاههای داده‌ای پیشرفته، موتورهای جستجو، و بسیاری نرم‌افزارها و ماشینها از نتایج پژوهش‌هایی در راستای هوش مصنوعی بوده‌اند.
تاریخچه
هوش مصنوعی علمی است جوان با قدمتی کمی بیش از نیم قرن . مباحث هوش مصنوعی پیش از بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضی دانانی نظیر بول (Boole) که اقدام به ارائه قوانین و نظریه‌هایی در باب منطق نمودند، مطرح شده بود. در سال ۱۹۴۳، با اختراع رایانه‌های الکترونیکی، هوش مصنوعی، دانشمندان را به چالشی بزرگ فراخواند. بنظر می‌رسید، فناوری در نهایت قادر به شبیه سازی رفتارهای هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون هستیم.
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال ۱۹۶۰ میلادی شروع شده بود.
بیش از نیم قرن پیش، هنگامی که هنوز هیچ تراشه سیلیکونی‌ای ساخته نشده بود، آلن تورینگ یکی از بحث بر‌انگیزترین پرسش‌های فلسفی تاریخ را پرسید. او گفت: آیا ماشین می‌تواند فکر کند ؟
و اندکی بعد کوشید به پیروی از این قاعده که هر ادعای علمی باید از بوته آزمایش سربلند بیرون بیاید، پرسش فلسفی خود را با یک آزمایش ساده و در عین حال پیچیده جایگزین کند. او پرسید:
آیا یک ماشین یک کامپیوتر می‌تواند بازی تقلید را با موفقیت پشت سر بگذارد؟
آیا ماشین می‌تواند از انسان چنان تقلید کند که در یک آزمون محاوره‌ای نتوانیم تفاوت انسان و ماشین را تشخیص دهیم؟
او در سال ۱۹۵۰ براساس محاسباتی تخمین زد که ۵۰ سال بعد کامپیوتری با یک میلیارد بیت حافظه خواهد توانست به موفقیت‌هایی در این زمینه دست پیدا کند. اکنون که در نیمه سال ۲۰۰۸ میلادی هستیم، حتی هشت سال بیشتر از زمانی که او لازم دانسته بود، هنوز هیچ ماشینی نتوانسته است از بوته آزمون تورینگ با موفقیت خارج شود. در سال ۲۰۰۰ مفهوم هوش مصنوعی برای هیچ‌کس غیر قابل باور نبود .
یکی از جالب‌ترین و هیجان‌انگیزترین پرسش‌هایی که تاکنون تاریخ فلسفه به خود دیده این پرسش است که آلن تورینگ فیلسوف و ریاضیدان انگلیسی در سال ۱۹۵۰ طی مقاله‌ای به نام: Computing Machinery and Intelligence ( ماشین محاسباتی و هوشمند ) مطرح کرد او پرسید آیا ماشین می‌تواند فکر کند. خود تورینگ نتوانست پاسخ قطعی این پرسش را پیدا کند. اما برای یافتن پاسخ مناسب در آینده یک راهبرد خلاقانه پیشنهاد کرد.
او آزمونی طراحی کرد که خود، آن را بازی تقلید نامید. او آزمون بازی تقلید را چنین شرح داد: یک پرسشگر- یک انسان- همزمان در حال گفت‌وگو با دو نفر است. هر یک از این دو نفر در اتاق‌های جداگانه قرار گرفته‌اند و پرسشگر نمی‌تواند هیچیک از آنها را ببیند یکی از این دو نفر انسان است و دیگری یک ماشین یعنی یک کامپیوتر. پرسشگر باید با این دو نفر شروع به گفت‌وگو کند و بکوشد بفهمد کدامیک از این دو، انسان است و کدامیک ماشین. اگر کامپیوتر بتواند طوری جواب دهد که پرسشگر نتواند انسان را از ماشین تمیز دهد آنگاه می‌توان ادعا کرد که این ماشین هوشمند است. تورینگ برای آسان‌کردن شرایط این آزمون و پرهیز از پیچیدگی‌های اضافی آن را به محاوره‌ای متنی و روی کاغذ محدود کرد تا مجبور به درگیر شدن با مسائل انحرافی مانند تبدیل متن به گفتار شفاهی و تنظیم تن صدا و لهجه نباشیم.
البته چند سال بعد ، در سال ۱۹۶۸ آرتور سرکلارک ، در رمان معروف خود ، یعنی اودیسه فضایی ۲۰۰۱ اصطلاح " آزمون تورینگ " را به جای " بازی تقلید " سر زبانها انداخت . از زمانی که تورینگ این فرضیه را مطرح کرده است ، هزاران دانشمند با هدف ساختن ماشینی که بتواند آزمون تورینگ را با موفقیت تمام کند ، دست به کار شده‌اند . اما هنوز کسی موفق نشده است چنین ماشینی بسازد و پیش‌بینی تورینگ هم درست از آب در نیامده است.
او همچنین بر اساس یک سری محاسبات پیش‌بینی کرد که ۵۰ سال بعد یعنی در سال ۲۰۰۰ انسان قادر خواهد بود کامپیوترهایی بسازد که در یک گفت‌وگوی پنج دقیقه‌ای، فقط ۷۰درصد پرسشگرها بتوانند کشف کنند که در حال گفت‌وگو با یک انسان هستند یا یک ماشین. او برخورداری از یک میلیارد بیت حافظه (۱۲۵ میلیون بایت- حدود ۱۲۰ مگابایت) را یکی از مشخصه‌های اصلی این کامپیوتر دانست.
تورینگ همچنین در این مقاله یک سری استدلال‌های مخالف با نظریه و آزمون خود را مطرح کرد و کوشید به آنها پاسخ دهد، تصور اینکه ماشینهای هوشمندی ساخته شوند که بتوانند فکر کنند وحشتناک است. تورینگ در پاسخ می‌گوید این نکته‌ای انحرافی است، زیرا بحث اصلی او بایدها و نبایدها نیست بلکه بحث درباره ممکن‌هاست.
فهرست مطالب
دیباچه 5
تاریخچه 8
هوش مصنوعی چیست؟ 12
چالش های بنیادین هوش مصنوعی 17
شاخه‌های علم هوش مصنوعی 20
کاربردهای هوش مصنوعی 23
سیستم های خبره (Expert Sytems) 24
ساختار یک سیستم خبره 25
مزایا و محدودیت‌های سیستم‌های خبره 28
کاربرد سیستم‌های خبره 30
چند سیستم خبره مشهور 31
منطق فازی (Fuzzy Logic) 33
پیشینه منطق فازی 33
مجموعه‌های فازی 34
تفاوت میان نظریه احتمالات و منطق فازی 38
کاربردهای منطق فازی 40
منطق فازی و هوش مصنوعی 42
شبکه های عصبی (Neural Network) 42
شباهت با مغز 43
روش کار نرون‌ها 44
مدل ریاضی 45
پیاده‌سازی‌های الکترونیکی نرون‌های مصنوعی 48
عملیات شبکه‌های عصبی 50
آموزش شبکه‌های عصبی 53
آموزش Unsupervised یا تطبیقی (Adaptive) 55
تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره 56
بینایی ماشین 58
کنترل کیفیت خط تولید 58
چشم انسان 59
درک تصویر 61
پردازش اطلاعات در مغز 64
نمایش دانش 66
الگوریتم ژنتیک 70
نکات مهم در الگوریتم های ژنتیک 74
پردازش زبانهای طبیعی (NLP) 75
تکنیک‌ها وزبان‌های برنامه نویسی هوش مصنوعی 76
ویژگی های فلسفی هوش مصنوعی چیست ؟ 77
ویژگیهای هوش مصنوعی 78
بازنمایی نمادین 78
روش اکتشافی 79
بازنمایی معرفت 80
اطلاعات متناقض 81
برخی کابردهای هوش مصنوعی در پزشکی 82
طراحی نرم افزار تشخیص بیماریها بوسیله هوش مصنوعی 82
استفاده از قابلیتهای هوش مصنوعی در تشخیص عفونتهای قلبی تهدید کننده 82
طراحی نرم افزاری بر پایه هوش مصنوعی برای کمک به التیام زخمهای باز 84
منابع و مأخذ 86
شامل 87 صفحه word
دانلودپروژه رشته کامپیوتر با عنوان هوش مصنوعی
عوامل هوشمند:
ماهیت عوامل، کامل یا غیر از آن، تنوع محیطی و جانوران نمایشی حاصل از انواع عوامل مورد بحث و بررسی قرار می گیرند.
در فصل1، مفهوم عوامل منطقی به عنوان اساس شیوه ها در هوش مصنوعی شناسایی گردید. در این فصل این مفهوم راملموس تر می سازیم. خواهیم دید که مفهوم عقلانیت رامی توان در بسیاری از عوامل فعال در هر محیط قابل تصوی به کار گرفت. در این کتاب، هدف ما، بهره گیری از این مفهوم جهت توسعه مجموعه کوچکی از اصول طراحی برای ساختن عوامل موفق می باشد سیستمهایی که می توان به طور معقول، هوش نامید.
و ...
در فرمت ورد
در 50 صفحه
قابل ویرایش
مقدمه ای بر نحوه ی کاربرد هوش مصنوعی
حتما در دوران کودکی بازی O - X را انجام دادید . به طور مثال شما با حرف O و دوستتون با حرف X خونه های یه جدول 9 خونه ای را پر میکردید. و هرکس که میتونست با حرف مربوط به خودش سه خونه پشت هم رو پر کنه برنده میشد!
حالا حالات ممکن صفحه را در حین اجرای بازی در نظر بگیرید. . این حالات محدود و قابل پیش‌بینی هستند و تعداد آنها 19683 حالت است (برای محاسبه، برای هر یک از 9 تا خانه جدول می‌توان سه حالت خالی، X و O را در نظر گرفت پس تعداد کل حالات 9^3 خواهد بود).
میشه برنامه‌ای نوشت که تمام این حالات را در نظر می‌گیرد و در ازای هر حالت خاص، رفتاری هوشمندانه را انجام میدهد. شاید عدد 9 ^3 به نظرتون بزرگ بیابید. اما حقیقت این است که با در نظر گرفتن قوانین بازی می‌توان این حالات را خلاصه‌تر کرد. نکته‌ی مهم در این برنامه، محدود بودن حالات ممکن است. ببرای همین میشه برنامه ی این بازی را به گونه‌ای نوشت که هیچگاه بازنده نباشد.
و ...
در فرمت ورد
در 39 صفحه
قابل ویرایش
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه45
بخشی از فهرست مطالب
تعریف و ریشه لغوی
قنات چگونه بوجود آمد ؟
به دنبال رگه های حیات
هدفهای تغذیه مصنوعی
شرایط کلی استفاده از تغذیه مصنوعی
شرایط هیدرولوژیکی و منبع تغذیه
شرایط هیدروژئولوژیکی مخزن آب
متدهای تغذیه مصنوعی
تغذیه عمقی
اثربخشی
سدزیرزمینی
تغذیه سطحی
پیتینگ
مقدمه:
تعریف و ریشه لغوی
وارد کردن آب به داخل یک سازه زمین شناسی را بوسیله متدها و تاسیسات مختلف ، تغذیه مصنوعی گویند ومعادل لاتین آن Artificial Recharge می باشد.
قنات چگونه بوجود آمد ؟
به دنبال رگه های حیات
شاید اولین گام مردمان زحمتکش قدیمی ، فقط جستجو برای یافتن آب در زیر زمین بود ، و وقتی مقنی ها در اعماق چاه بدنبال رگه های آب حرکت کردند اولین قدم را در راه ابداع قنات برداشتند .
آنها آنقدر بدنبال رگه آب در چاه حفاری کردند و پیش رفتند ، تا دیگر هم نفس کشدن مشکل شد و هم تخلیه مواد حفاری سخت تر گردید . در این نقطه بود که یک چاه رو به بالا حفاری کردند و خود را به روی زمین رساندند .
هم راه تنفس باز شد و هم راه آسانی برای تخلیه مواد و آوار های کنده شده .
بله اینگونه قنوات ابداع شدند و سالیان درازی به بشر خدمت کردند .
هدفهای تغذیه مصنوعی
تغذیه مصنوعی می تواند با توجه به هدفهای زیر بکار رود:
1- تغییردادن کیفیت آب (هم درجه حرارت آن را تنظیم کرد و همچنین پالایش باکتری ها صورت می گیرد.
2- اضافه کردن و ثابت نگه داشتن آب زیرزمینی به عنوان منبع اقتصادی
3- به منظور تنظیم و یکنواخت کردن آب سطحی
4- برای جلوگیری از نفوذ آبهای شور به آبهای شیرین
5- برای کاهش دادن و جلوگیری از نشست زمین در اثر برداشت زیاد آب زیرزمینی
6- برای انبارش آب زیرزمینی جهت استفاده در محل و صادرکردن آن به مناطق دیگر از طریق آب سطحی
7- استخراج انرژی براثر آب گرم
8- توزیع زیرزمینی آب در یک منطقه برای چاههای حفاری شده
بنابراین در شرایط مختلف ، پروژه های تغذیه مصنوعی نه تنها به عنوان مکانیزم حفاظت از آبهای زیرزمینی را تدارک می بیند، بلکه بعنوان کمک برای حل مساله وجلوگیری از افت آبهای زیرزمینی در سفره ها در اثر استخراج بیش از حد عمل می کند.
شرایط کلی استفاده از تغذیه مصنوعی
بر حسب نوع نیازها ، ویژگیهای جغرافیایی و نحوه استقرار تاسیسات تغذیه و نوع آن طرحهای تغذیه مصنوعی و طرز کار آنها ، بی اندازه متغیر است.
با توجه به اینکه هر سیستم و طرح تغذیه مصنوعی از یک سیستم آبدار ، یک منبع تغذیه و بالاخره تاسیسات مربوطه تشکیل می شود. به خوبی می توان حدس زد که ابعاد این طرحها تا چه اندازه می توانند متغیر باشند که این تغییرات می توانند هم از نظر زمانی و هم از نظر مکانی قابل اندازه گیری باشند.
شرایط هیدرولوژیکی و منبع تغذیه
رژیم آبهای سطحی موجود در منطقه و اختلاف بین رژیم منبع تغذیه و رژیم مورد تقاضا ، عامل مهمی است که باید در رابطه با ظرفیت تنظیم کنندگی مخزن طبیعی و شرایط انتقال آب بین نقاط تغذیه و برداشت در نظر گرفت.
- تیرگی آب: پیش از در نظر گرفتن موارد ذکر شده، باید توجه داشت که آب حاوی مقدار بسیار کمی از مواد معلق می باشد و این در موقعی است که بخواهیم از آب بدون پالایش قبلی استفاده کنیم.
شرایط هیدروژئولوژیکی مخزن آب
وضع سفره ، از نظر آزادبودن تحت فشار بودن که از طریق ضریب ذخیره و پرشدگی در حجم آب قابل تحرک و نیز در نوع تاسیسات تغذیه تاثیر خواهد گذاشت. ضخامت بخش غیر اشباع قبل از ذخیره سازی در مورد سفره های آزاد این ضخامت به میزان بهره برداری از سفره بستگی دارد.
متدهای تغذیه مصنوعی
متدهای مختلفی برای تغذیه مصنوعی آبهای زیرزمینی ارائه گردیده است که متداولترین متدها عبارتند از:
1- متد حوضچه ای
در متد حوضچه ای بوسیله خاکریز کردن مرزهای حوضچه و یا خاکبرداری از منطقه مورد نظر ، حوضچه ای را درست کرده و آب را در داخل آن بخش می کنند. که این آبها نباید دارای ذراتی در اندازه سیلت باشند، زیرا باعث کورشدن فضاهای خالی قابل نفوذ می شود.
متد کانالی
عمل بخشی آب در یک کانال طبیعی ، زمان و منطقه تغذیه را در آن افزایش خواهد داد. این شامل مدیریت رودخانه و کانال در قسمت بالا و پایین تاسیسات می باشد. وجود منبع آب در قسمت بالایی رودخانه می تواند مقدار جریان رودخانه را در طی زمان ، منظم کرده، بطوریکه مقدار آن از مقدار ظرفیت جذب در قسمتهای پایینی رودخانه بیشتر نباشد.
متدهای دیگر تغذیه مصنوعی عبارتند از:
1- متد آبراهه و شیاربندی
2- متد سیلابی
3- متد آبیاری
4- متد گودالی
5- متد چاه تغذیه ای
امروزه استفاده بی رویه از آبهای زیرزمینی ،یکی از بزرگترین مشکلات محسوب می شود و با توجه به اینکه میانگین بارندگی در دنیا700mm/year می باشد در کشور ما این میزان240mm/year می باشد و با توجه به اینکه در شرایط طبیعی فقط جزء کوچکی از آب باران به آب زیرزمینی می‌رسد.و از آنجایی که مخازن زیرزمینی، مخازنی بدون تبخیر می‌باشند و از آنجا که جریان آبهای سطحی اغلب هدر می‌رود، حفاظت آب از طریق افزایش تغذیه مخازن زیرزمینی، توسط جریانهای سطحی یک عمل منطقی است. ودر این میان تغذیه مصنوعی یکی از روشهائی است که می تواند بخشی از آب خارج شده از زیر زمین را جایگزین نماید تغذیه مصنوعی آبهای زیر زمینی به 5 روش کاربردی مختلف صورت می گیرد.این روشها در جدول زیر آمده است.پروژه تغذیه مصنوعی چاههای آب نیروگاه شهید مفتح همدان را می توان ترکیبی از روش غرقاب کردن زمین وچاههای تغذیه مورد بررسی قرار داد .لازم به ذکر است که با انجام این پروژه با آبگیری در سال اول بیش از 4متر سطح آب زیر زمینی منطقه افزایش یافته است.
غرقاب کردن زمین در کرت های وسیع
پخش آب
تغذیه از طریق رودخانه
تغذیه از طریق ایجاد نهر
تغذیه از طریق پخش سیلاب
گودالهای تغذیه.
چاههای تغذیه.
تشدید تغذیه.
پخش سیلاب روی زمین
اثربخشی
اثر بخشی پروژه های تغذیه مصنوعی به فاکتورهای بسیاری بستگی دارد ، که مهم ترین آنها : مناسب بودن اراضی محل تغذیه، دانه بندی خاک و صاف و زلال و بدون رسوب بودن آب تغدیه ای است . چنانچه هریک از این فاکتورها زایل شود از اثر بخشی پروژه بشدت کاسته شده و حتی به سمت بی تاثیر بودن میل می کند .
نمونه مفید آن که با جمع شدن تمامی شرایط مثبت حاصل شده ، تغذیه های گودالی در دشت گرمسار بود ، که دقیقاٌ بیست روز پس از شروع تغذیه ، قنات روستای اکبر آباد واقع در 4 کیلومتری جنوبشرقی گودالها ، که 40