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

  • سال انتشار: 1392
  • محل انتشار: هفتمین کنگره ملی مهندسی عمران
  • کد COI اختصاصی: NCCE07_1032
  • زبان مقاله: فارسی
  • تعداد مشاهده: 819
دانلود فایل این مقاله

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

چکیده

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

مقالات مرتبط جدید

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.