پیش بینی شوری در رودخانه ها با استفاده از شبکه های عصبیMLPوGMDH
- سال انتشار: 1396
- محل انتشار: چهارمین کنفرانس بین المللی فناوری های نوین در مهندسی عمران،معماری و شهرسازی
- کد COI اختصاصی: RCEAUD04_408
- زبان مقاله: فارسی
- تعداد مشاهده: 539
نویسندگان
دانشجوی کارشناسی ارشد مهندسی عمران- آب ، دانشگاه آزاد اسلامی واحد استهبان
استادیار گروه آب -دانشگاه آزاد اسلامی واحد استهبان
چکیده
شوری موجود در آب یکی از جمله مهمترین معیاره ای کیفی در طبقه بندی آب از نظر کشاورزی است. این پارامترها نه تنها بر رشد گیاه موثر می باشد، بلکه درجه تناسب آب را از نظر آبیاری نیز مشخص می سازد. در این تحقیق با استفاده از دو نوع شبکه عصبی پرسپترون چند لایه MLP و دسته بندی گروهی داده های GMDH میزان شوری EC آب مورد بررسی و ارزیابی قرار گرفته است. داده های ورودی به شبکه عصبی شامل اسیدیته pH معیار نسبت جذبی سدیم SAR میزان مجموعه ای از آنیون ها HCO3, CO3, SO4, Cl و کاتیون ها Na.Mg, Ca, K می باشد. بطور کلی 701 مجموعه داده جمع آوری شده به دو دسته 80% جهت آموزش و 20 جهت تست و یا آزمون شبکه های عصبی دسته بندی شدند. نتایج بدست آمده حاکی از عملکرد تقریبا مشابه دو روش فوق با دقت بسیار مناسب در مدلسازی پارامتر شوری رودخانه مورد نظر می باشد . این در حالی است که دقت شبکه MLPبا مقادیر RMSE=0.0076 ،R2=0.9974 مقداری بالاتر از روش GMDHمی باشد. لازم به ذکر است که در موارد عملی و اندازه گیرهای میدانی که نیاز به رابطه بین متغییر ها می باشد روش GMDH به علت ارایه رابطه بین متغیر ها ارجح تر از روش MLP می باشدکلیدواژه ها
شبکه عصبی، پارامترهای کیفی آب،GMDH،شوری رودخانه ها،ANNsمقالات مرتبط جدید
اطلاعات بیشتر در مورد 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.