ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

مقایسه کارایی الگوریتم های ماشین بردار پشتیبان و K نزدیک ترین همسایگی برای طبقه بندی کیفیت آب زیرزمینی

سال انتشار: 1392
کد COI مقاله: IHC12_116
زبان مقاله: فارسیمشاهده این مقاله: 383
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه کارایی الگوریتم های ماشین بردار پشتیبان و K نزدیک ترین همسایگی برای طبقه بندی کیفیت آب زیرزمینی

فرشته مدرسی - دانشجوی دکتری مهندسی منابع آب دانشگاه تهران
شهاب عراقی نژاد - استادیار دانشگاه تهران

چکیده مقاله:

امروزه در کشور ما آبهای زیرزمینی یکی از منابع مهم آبی به شمار می روند که برای تأمین نیاز شرب مورد استفاده قرار می گیرند. از این رو تعیین کیفیت آنها کاملا ضروری است. یکی از راه های تعیین کیفیت آب، محاسبه شاخص های کیفی است که کاری بسیار زمانبر و نیازمند به نظرات کارشناسی است. راهکار دیگر برای طبقه بندی کیفی آب، استفاده از الگوریتم های طبقه بندی است که می توان با یکبار آموزش این الگوریتم ها، کیفیت هزاران نمونه آب را به آسانی تعیین نمود. ولی سئوال این است که آیا و تا چه اندازه، نتایج این الگوریتم ها با یکدیگر متفاوت است و کدام الگوریتم دارای نتایج صحیح تری است. برای پاسخگویی به این سئوالات، در مقاله حاضر، کارایی دو الگوریتم پرکاربرد ماشین بردار پشتیبان و K نزدیک ترین همسایگی با استفاده از روش صحت سنجی متقاطع 5 لایه برای طبقه بندی کیفیت آب زیرزمینی بررسی و مقایسه شده است. بدین منظور از آمار کیفیت آب ۱۰۰ چاه مشاهداتی در دشت تهران در سال آبی ۱۳۸۲-۸۳ استفاده شده است که بر اساس دو آلاینده نیترات و کلر و با استفاده از شاخص CCME طبقه بندی شده اند. نتایج این تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان به خوبی آموزش پذیر است به طوریکه در مراحل واسنجی و صحت سنجی بدون خطا بوده است و کارایی بسیار بهتری نسبت به الگوریتم K نزدیک ترین همسایگی برای طبقه بندی کیفیت آب دارد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IHC12_116 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/379355/

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:
مدرسی، فرشته و عراقی نژاد، شهاب،1392،مقایسه کارایی الگوریتم های ماشین بردار پشتیبان و K نزدیک ترین همسایگی برای طبقه بندی کیفیت آب زیرزمینی،دوازدهمین کنفرانس هیدرولیک ایران،کرج،https://civilica.com/doc/379355

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: (1392، مدرسی، فرشته؛ شهاب عراقی نژاد)
برای بار دوم به بعد: (1392، مدرسی؛ عراقی نژاد)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Balabin, R. M., Safieva, R. Z., and Lomakina, E. I. ...
  • Byvatov, E., Fechner, U., Sadowski, J., and Schneider, G. (2003). ...
  • Canadian Council of Ministers of the Environment (CCME): 2001, "Canadian ...
  • Chen, X., Li, Y. S., Liu, Z., Yin, K., Li, ...
  • Horton, R. K. (1965). "An index number system for rating ...
  • Lee, M. S., and Park, S. S. (2006). "Comparative analysis ...
  • Tamouk, J., and Allahakbari, F. (2012). "A comparison among accuracy ...
  • Tsuta, M., Masry, G. E., Sugiyama, T., Fujita, K., and ...
  • Vapnik, V. N. (1995). The Nature of Statistical Learning Theory. ...
  • Werther, W., Lohninger, H., Stancl, F., and Varmuza, K. (1994). ...
  • Yang Su, M. (2011), " Real-time anomaly detection systems for ...
  • 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.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 70,017
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    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