Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

کاربرد برنامه ریزی بیان ژن (GEP) برای ایجاد مدل ترکیبی فازی (CFLM) به منظور پیش بینی غلظت آرسنیک منابع آبی در حوضه آبریز سد سهند

کاربرد برنامه ریزی بیان ژن (GEP) برای ایجاد مدل ترکیبی فازی (CFLM) به منظور پیش بینی غلظت آرسنیک منابع آبی در حوضه آبریز سد سهند
سال انتشار: 1397
کد COI مقاله: JR_JWAI-11-4_009
زبان مقاله: فارسیمشاهده این مقاله: 54
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاربرد برنامه ریزی بیان ژن (GEP) برای ایجاد مدل ترکیبی فازی (CFLM) به منظور پیش بینی غلظت آرسنیک منابع آبی در حوضه آبریز سد سهند

چکیده مقاله:

مصرف آب های زیرزمینی آلوده به آرسنیک، منجر به بروز بیماری های متعدد و مرگ انسان ها می شود. در صورت آلودگی غیرنقطه ای و متاثر از زمین شناسی آب ها، به سادگی نمی توان مانع گسترش آن شد؛ لذا این نوع آلودگی ها می بایست به دقت بررسی شوند. گزارش های متعدد اخیر در منطقه مطالعاتی سد سهند، حاکی از وجود آنومالی آرسنیک با مقادیر بیش از استاندارد WHO (mg/L ۰۱/۰) است. با توجه به تحقیقات قبلی، مبنی بر مناسب نبودن مدل های خطی زمین آماری برای پیش بینی غلظت آرسنیک کل (III,V) در منطقه، از مدل های هوش مصنوعی همچون برنامه ریزی بیان ژنتیک (GEP) و منطق فازی استفاده شد که با الهام از طبیعت قادر به تخمین پارامترهای پدیده های طبیعی با دقت قابل توجهی نسبت به سایر روش ها هستند. برای تخمین غلظت های آرسنیک کل، از پارامترهای pH، سولفات، نیترات، فلوئورید، آهن و آرسنیک نمونه ها به عنوان ورودی مدل های فازی ممدانی (MFL)، لارسن (LFL) و سوگنو (SFL) استفاده شد. با توجه به مناسب بودن و تشابه نتایج سه مدل فازی و به منظور استفاده همزمان مزایای هر سه مدل، از برنامه ریزی بیان ژنتیک برای تولید مدل ترکیبی نتایج سه مدل منفرد فازی استفاده شد. با توجه به مزایای برنامه ریزی بیان ژنتیک و نتایج مراحل آموزش و آزمایش مدل که به ترتیب با ضریب تبیین R۲ برابر ۹۶۷/۰ و ۹۲۴/۰ و مقادیر RMSE برابر ۰۷۲/۰ و ۰۹۶/۰ است، مدل مذکور قادر به ارائه مدل ترکیبی با دقت بیشتری از سه مدل منفرد فازی ارائه شده است.

کلیدواژه ها:

برنامه ریزی بیان ژنتیک ، آرسنیک ، هوش مصنوعی ، سد سهند ، مدل ترکیبی ، فازی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JWAI-11-4_009 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1330720/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صادقی اقدم، فریبا و ندیری، عطا الله و اصغری مقدم، اصغر و آرمانفر، فریدون،1397،کاربرد برنامه ریزی بیان ژن (GEP) برای ایجاد مدل ترکیبی فازی (CFLM) به منظور پیش بینی غلظت آرسنیک منابع آبی در حوضه آبریز سد سهند،https://civilica.com/doc/1330720

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، صادقی اقدم، فریبا؛ عطا الله ندیری و اصغر اصغری مقدم و فریدون آرمانفر)
برای بار دوم به بعد: (1397، صادقی اقدم؛ ندیری و اصغری مقدم و آرمانفر)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی