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

Integration of artificial neural network and geographic information system applications in simulating groundwater quality

سال انتشار: 1395
کد COI مقاله: JR_EHEM-3-4_001
زبان مقاله: انگلیسیمشاهده این مقاله: 254
فایل این مقاله در 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Integration of artificial neural network and geographic information system applications in simulating groundwater quality

Vahid Gholami - Assistant Professor, Department of Range and Watershed Management, Faculty of Natural Resources, University of Guilan, Rasht, Iran
Marhemat Sebghati - MS of Watershed Management, Department of Range and Watershed Management, Faculty of Natural Resources, Urmia University, Urmia, Iran
Zabihollah Yousefi - Professor, Department of Environmental Health Engineering, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran

چکیده مقاله:

Background: Although experiments on water quality are time consuming and expensive, models are often employed as supplement to simulate water quality. Artificial neural network (ANN) is an efficienttool in hydrologic studies, yet it cannot predetermine its results in the forms of maps and geo-referenceddata. Methods: In this study, ANN was applied to simulate groundwater quality and geographic informationsystem (GIS) was used as pre-processing and post-processing tool in simulating water quality in the Mazandaran Plain (Caspian southern coasts, Iran). Groundwater quality was simulated using multilayerperceptron (MLP) network. The determination of groundwater quality index (GWQI) and the estimation of effective factors in groundwater quality were also undertaken. After modeling in ANN, themodel validation was carried out. Also, the study area was divided with the pixels 1×1 km (raster format)in GIS medium. Then, the model input layers were combined and a raster layer which comprised the model inputs values and geographic coordinate was generated. Using geographic coordinate, the values of pixels (model inputs) were inputted into ANN (Neuro Solutions software). Groundwater quality was simulated using the validated optimum network in the sites without water quality experiments. In the next step, the results of ANN simulation were entered into GIS medium and groundwater quality map was generated based on the simulated results of ANN. Results: The results revealed that the integration of capabilities of ANN and GIS have high accuracy and efficiency in the simulation of groundwater quality. Conclusion: This method can be employed in an extensive area to simulate hydrologic parameters

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_EHEM-3-4_001 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/630248/

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:
Gholami, Vahid and Sebghati, Marhemat and Yousefi, Zabihollah,1395,Integration of artificial neural network and geographic information system applications in simulating groundwater quality,https://civilica.com/doc/630248

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: (1395, Gholami, Vahid؛ Marhemat Sebghati and Zabihollah Yousefi)
برای بار دوم به بعد: (1395, Gholami؛ Sebghati and Yousefi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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: 13,541
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 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