مدلسازی شوری آب رودخانه آجی چای با استفاده از روشهای ماشین بردار پشتیان و شبکه عصبی مصنوعی
محل انتشار: دومین کنگره بین المللی علوم زمین و توسعه شهری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 585
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
ESUD02_543
تاریخ نمایه سازی: 22 آبان 1395
چکیده مقاله:
رودخانه ها مهمترین منابع تامین آب مصرفی بخشهای صنعت گشاورزی و شهری هستند که به دلیل عبور از بسترهای مختلف دچار نوسانات کیفی زیادی می شوند. در این پژوهش به مدلسازی کیفیت آب رودخانه آجی چای با استفااده از روش های شبکه عصبی مصنوعی و برنامه ریزی ژنتیک پرداخه شده است. داده های مورد استفاده شامل پارامترهای کمی و کیفی اب این رودخانه از قبیل دبی Q غلظت کل املاح محلول در آب TDS منیزیم Mg کلسیم Ca کلر Ci هیدروژن کربنات HCO3 سولفات SO4 نسبت جذب سدیم Na% سدیم NA پتاسیم K اسیدته PH نسبت جذبی سدیم SAR در مقیاس زمانی ماهانه می باشد به منظور ارزیابی قابلیت مدلهای به کار رفته، معیارهای ارزیابی نظیر میانگین قدر مطلق خطا ضریب همبستگی میانگین مربعات خطا و دیاگرام پراکنش مشاهداتی - محاسباتی نمودار میانگین قدر مطلق خطا، ضریب همبستگی، میانگین مربعات خطا و دیاگرام پراکنش مشاهداتی محاسباتی نمودار تغییرات مقادیر کل مواد جامد محلول، مورد بررسی قرار گرفت نتایج حاصل بیانگر آنست که روش شبکه عصبی مصنوعی عملکرد قابل قبولی در تخمین میزان کل مواد جامد محلول دارا می باشند. مقادیر بدست آمده از برای پارامترهای ارزیابی بهترین مدل بصورت زیشه میانگین مربعات خطا RMSE=0.0012 و ضریب همبستگی R=0.8416 می باشند.
کلیدواژه ها:
نویسندگان
مهدیه جنت خواه
کارشناسی ارشد عمران گرایش سازه های هیدرولیک مدرس دانشگاه آزاد اسلامی واحد سما تبریز دانشگاه تبریز
محمد عبدیان
دانشجوی کارشناسی ارشد سنجش از راه دور و GIS دانشگاه تبریز
فرهاد رنجبر
دانشجوی کارشناسی ارشد سنجش از دور GIS دانشگاه تبریز
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 :