مدلسازی پارامتر کیفی CL در آب زیرزمینی شهرهای ایلام با استفاده از شبکه عصبی مصنوعی
محل انتشار: اولین کنگره سالیانه جهان و بحران انرژی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 678
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACWEC01_142
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
امروزه در دنیا آب و منابع آب به عنوان یکی از پایههای اصلی توسعه پایدار به شمار میروند و علاوه برکمیت، کیفیت آب نیز جزء پارامترهای مهم مورد توجه قرار میگیرد. در این راستا پارامترهایکیفی آب جزء مولفههایی هستند که بایستی در برنامهریزیها بهدقت شبیهسازی و تخمین زده شوند. محدودیت منابع آب سطحی مناسب، تقاضای مصرف آب به دلیل افزایش جمعیت و توسعه کشاورزی، انسانها را به سمت بهره برداری از ذخائر آب زیرزمینی سوق داده است. در این تحقیق جهت مدلسازیCLبه عنوان متغیر وابسته، فراسنجهای طول و عرض جغرافیایی، هدایت الکتریکی، میزان کل عناصر محلول و مقادیرpHبه عنوان متغیرمستقل به کار گرفته شدند. نتایج نشان داد شبکههای عصبی مصنوعی قادر به مدلسازیCLبا ضریب همبستگی بسیار بالا وخطای بسیار کم میباشد. مقدار بالای ضریب همبستگی به دست آمده بین پارامترهای مدلسازی شده بیانگر نزدیک بودن مقادیر پیشبینی گردیده با دادههای اندازهگیری شده و توانایی و دقت بالای روابط بین متغیرهای ورودی با خروجی است. ضریب تبیین عنصرمدلسازی شده نیز در سه مرحله آموزش، اعتبارسنجی و تست بالای 09 درصد میباشد که نشان دهندهی دقت قابل قبول شبکه عصبی مصنوعی و یادگیری خوب و کارآمد شبکه با استفاده از الگوریتم آموزشی مورد نظر و دادههای ارائه شده به شبکه است.
کلیدواژه ها:
نویسندگان
فاطمه محمدیاری
دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین، دانشکده منابع طبیعی دانشگاه صنعتی خاتم الانبیاء(ص) بهبهان
حسین اقدر
کارشناس ارشد سنجش از دور وGISدانشکده علوم دانشگاه شهید چمران اهواز
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 :