مقایسه ی مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی در پیش بینی غلظت نیترات در آبهای زیرزمینی محدوده شرق استان مازندران
- سال انتشار: 1401
- محل انتشار: اولین همایش بین المللی و دومین همایش ملی مدل سازی و فناوری های جدید در مدیریت آب
- کد COI اختصاصی: MIWM02_041
- زبان مقاله: فارسی
- تعداد مشاهده: 167
نویسندگان
دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری،ساری، ایران.
دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
انیستیتوی مطالعات عالی دانشگاهی، پاویا، ایتالیا.
چکیده
با توجه به اهمیت آب شیرین برای حیات بشر و آسیب پذیری منابع آب زیرزمینی در برابر انواع آلودگی ها و امکان انتقال آلاینده ها به سایر منابع آب های سطحی و زیرزمینی و همچنین، قرار داشتن کشور ایران در کمربند خشک و نیمه خشک، محافظت از این عنصر با ارزش و کمیاب بسیار ضروری بوده و پایش مداوم و مستمر آن باید از اولویت-های مدیریت منابع آب قرار گیرد. در مطالعه حاضر به مقایسه ی مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی پرداخته شد. داده های فیزیکی و شیمیایی اندازه گیری شده طی دوره ی ۳۰ ساله مورد استفاده قرار گرفته و به عنوان متغیرهای ورودی مدل قرار داده شد. میزان آلودگی نیترات آب زیرزمینی با تقسیم ۷۰ درصد داده ها به عنوان آموزش و ۳۰درصد به عنوان آزمون، پیش بینی شد. نتایج به دست آمده نشان داد که برای داده های موجود، مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی تقریبا عملکرد مشابهی داشتند. پیشنهاد می شود آزمایش با تغییر مدل و تغییر نحوه قرارگیری متغیرهای ورودی انجام و نتایج با پژوهش حاضر مقایسه گردند.کلیدواژه ها
داده کاوی، یادگیری ماشین، زبان برنامه نویسی پایتون، مدل سازیمقالات مرتبط جدید
- عوامل تاثیرگذار بر خرید ناگهانی و راهکارهای افزایش آن در خرده فروشی
- نقش رسانه های اجتماعی بر صادرات بخش خصوصی
- الگوریتم ژنتیک یکپارچه و رویکردیادگیری عمیق برای تشخیص و طبقه بندی موثر حملات سایبری در محیط های صنعتی اینترنت اشیا (IIoT)
- بررسی فرآیند مدیریت دانش در رابطه با هم افزایی هوش مصنوعی و اینترنت اشیا و تاثیرگذاری این رابطه بر مدیریت دانش
- تاثیر مدیریت آموزشی بر خلاقیت دانش آموزان در محیط های یادگیری مجازی
اطلاعات بیشتر در مورد 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.