برآورد پتانسیل آلودگی کادمیوم آبهای زیر زمینی سنندج با استفاده ازمدل رگرسیون و شبکه عصبی
محل انتشار: ششمین کنفرانس ملی مدیریت منابع آب ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 420
فایل این مقاله در 10 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:
WRM06_051
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
در راستای این پژوهش از بین چاه های مجوزدار شهرستان سنندج 35 چاه با در نظر گرفتن حوضه آبریز، پراکندگی مناسب و ساختار زمین شناختی متفاوت انتخاب شد. غلظت کادمیوم نمونه های آب با دستگاه جذب اتمی به روش کوره و خصوصیات فیزیکی و شیمیای خاک شامل پارمترهای: کادمیوم، فسفات، درصد رس، ماده آلی خاک، pH و CEC اندازه گیری شدند. در میان پارامترهای فیزیکی و شیمیایی اندازه گیری شده خاک pH بدلیل رنج بسیار نزدیک نسبت به هم از مطالعه حذف شد. در مرحله بعد تمامی داده های آب و خاک نرمال شد و در نهایت دقت مدل های رگرسیون چندگانه و شبکه عصبی مصنوعی برای بررسی رابطه بین پارمترهای ذکر شده خاک و کادمیوم موجود در آب مورد ارزیابی قرار گرفت. نتایج مدل رگرسیون چندگانه در مرحله آموزش مقادیر R=0/38 و RMSE=0/407 و MAE=0/166 و در مرحله آزمون R=0/02 و RMSE=0/423 و MAE=0/179 به دست آمد. نتایج مدل شبکه عصبی در مرحله آموزش مقادیر R=0/999 و RMSE=0/0063 و MAE=0/00004 و در مرحله آزمون R=0/85 و RMSE=0/764 و MAE=0/584 به دست آمد. مقایسه ی دقت مدل های رگرسیون چندگانه و شبکه عصبی در مرحله آموزش و آزمون نشان داد که شبکه عصبی مصنوعی دارایی دقت بیشتر و خطای کمتری نسبت به مدل رگرسیون چندگانه است.
نویسندگان
جمیل امان اللهی
استادیار گروه محیط زیست دانشگاه کردستان
فرشید قربانی
استادیار گروه محیط زیست 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 :