مقایسه سیستم استنتاجی فازی عصبی تطبیقی و مدل شبکه عصبی مصنوعی در برآورد ضریب انتشارپذیری آلاینده در خاک

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 761

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE07_1032

تاریخ نمایه سازی: 16 مهر 1392

چکیده مقاله:

اندازهگیری ضریب انتشارپذیری خاک نیاز به وقت و هزینه زیادی دارد، لذا در تحقیق حاضر با استفاده از روش های فازی و شبکه عصبی مصنوعی سعی در ایجاد مدل مناسب برای تخمین ضریب انتشارپذیری با ضریب همبستگی بالا شد. بدین منظور از دادههای آزمایشگاهی شامل فاصله انتقال، قطر متوسط ذرات، وزن مخصوص ظاهری، تخلخل، هدایت هیدرولیکی، سرعت متوسط آلودگی به عنوان پارامترهای ورودی و ضریب انتشارپذیری خاک به عنوان پارامتر خروجی استفاده گردید. دادههای مورد نظر از یک مدل فیزیکی به طول 0551 میلی متر، عرض 011 میلی متر و ارتفاع 011 میلیمتر جمعآوری شد. با استفاده از معیارهای آماری مانند متوسط قدر مطلق خطا MAE) (، متوسط مجذور مربعات خطا) RMSE ( و ضریب تبیین) R2 ( توانایی مدل در شبیه سازی و برآورد ضریب انتشارپذیری مورد ارزیابی قرار گرفت. نتایج حاصل از اجرای مدلهای مذکور نشان میدهد مدل شبکه عصبی با داشتن R2 بالاتر و RMSE و MAE کمتر نسبت به سیستم فازی بادقت بالاتری قادر به تخمین ضریب انتشارپذیری میباشد

کلیدواژه ها:

ضریب انتشارپذیری خاک ، سیستم استنتاجی فازی عصبی تطبیقی ، شبکه عصبی مصنوعی ، خاک ، آب

نویسندگان

کیانا بهمن

دانشجوی کارشناسی ارشد خاکشناسی دانشگاه صنعتی شاهرود

صمد امامقلی زاده

استادیار گروه آب و خاک دانشکده کشاورزی دانشگاه صنعتی شاهرود

هادی قربانی

استادیار گروه آب و خاک دانشکده کشاورزی دانشگاه صنعتی شاهرود

عیسی معروف پور

استادیار گروه آب دانشکده کشاورزی دانشگاه کردستان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بای بوردی، م6 1372). فیزیک خاک. چاپ پنجم، انتشارات دانشگاه ...
  • پیش بینی ضریب انتشار طولی در رودخانه های طبیعی با مدل توسعه یافته شبکه عصبی [مقاله ژورنالی]
  • ریاحی‌مدوار، ح.ایوب‌زاده، س، ع(387)." تخمین ضریب پراکندگی طولی آلودگی با ...
  • دزفولی ک..(1384). "اصول تئوری فازی و کاربردهای آن در مدل‌سازی ...
  • Rowinski, P and Piotrowski, A and Napiorkowski, J.(2005), _ Are ...
  • Tayfur, G and Singh, V., (2005), _ Predicting Longitudinal Dispersion ...
  • Azamathulla, H and Md, Wu, F., (2005), "Application of Neural ...
  • Riahi-Madvar, H and Ayyoubzadeh, S, A., (2010), "Developing an Expert ...
  • Lippman, R.P., 1987." An Introduction to Computing with Neural Nets", ...
  • Jang, J. S. R and Sun, C. T. and Mizutani, ...
  • Chang, F. J and Chang, Y. T.(2005), "Adaptive neuron-fuzzy inference ...
  • نمایش کامل مراجع