ارتباط پارامترهای کیفی رودخانه کارون با پارامتر اکسیژن خواهی بیولوژیکی پنج روزه، به کمک شبکه عصبی پیش خور و آنالیز مولفه اصلی

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,534

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEE05_263

تاریخ نمایه سازی: 2 شهریور 1390

Abstract:

اندازه گیری پارامتر اکسیژن خواهی پنج روزه (BOD5) به عنوان یکی از مهمترین پارامترهای کیفی رودخانه ها مستلزم صرف هزینه و زمان زیادی است که می تواند در روند مدیریت کیفیت آب به دلیل نیاز به دست یابی سریع به این پارامتر ایجاد اختلال نماید. در این مقاله برای رفع این مشکل اقدام به ارائه روشی بر مبنای مدل ترکیبی شبکه عصبی و آنالیز مؤلفه اصلی (PCA-ANN) شده است. همچنین با مقایسه دو روش ANN و PCA-ANN تاثیرات پیش پردازش اولیه داده ها در مدل نهایی بررسی شده است. برای این منظور از اطلاعات کیفیت آب رودخانه کارون استفاده گردیده است. نتایج این تحقیق در حالت کلی بیانگر عملکرد رضایتبخش مدل ارائه شده در پیش بینی BOD5 بوده به طوریکه ضریب همبستگی معادل 87/0 و 83/0، در مراحل آموزش و تست مدلPCA-ANN به دست آمد. همچنین بررسی های بیشتر نشان داد که نقش آنالیز مؤلفه اصلی در پیش پردازش متغیرهای ورودی به شبکه عصبی مثبت و با افزایش عملکرد مدل همراه بوده است.

Keywords:

شبکه عصبی , آنالیز مولفه های اصلی , اکسیژن خواهی پنج روزه , رودخانه کارون

Authors

علی رسولی

دانشجوی کارشناسی ارشد رشته مهندسی محیط زیست، دانشگاه تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • ارزیابی اهمیت ایستگاههای پایش کیفی رودخانه ها با استفاده از آنالیز مؤلفه های اصلی و آنالیز فاکتور ، مطالعه موردی : رودخانه کارون [مقاله ژورنالی]
  • - Coulibaly, P., Ancti, F., and Bobee, B. (2000). "Daily ...
  • /4]- Yapo, P., Gupta, V.K., and Sorooshian, S. (1996). "Sensitivity ...
  • - Zealand, C., Burn, D.H., and Simonovic, S.P. (1999). "Short ...
  • - Bowden, G.J., Maier, H.R., and Dandy, G.C. (2005). "Input ...
  • - Haykin, S., (1999). Neural networks: a comprehensive foundation, 2nd ...
  • Zhang, Y.X. (2007). "Artificial neural networks based on principal component ...
  • - Bowden, G.J., Dandy, G.C, and Maier, H.R., (2005). "Input ...
  • - Zhang, Y., Li, H., Hou, A., and Havel, J. ...
  • - Choi, D.J., and Park, H. (2001). _ hybrid artificial ...
  • - Lu, W.Z, Wang, W.J., Wang, X.K., Xu, Z.B., and ...
  • - Cybenko, G. (1989).، 'Approximation by superposition of a sigmoidal ...
  • - Hornik, K., Stinchcombe, _ and White, H. (1989). "Multilayer ...
  • Zhang, G., Patuwo, B.E., and Hu, M.Y. (1998). "Forecasting with ...
  • - Jalili- Ghazizade, M., and Noor, R. (2008). "Prediction of ...
  • - Milidiu, R. L, Machado, R. J., and Renteria, R. ...
  • - Lu, W. Z, Wang, W. J., Wang, X. K., ...
  • Manly, B. F. J. (1986). Multivariate statistical methods: A primer, ...
  • - Johnson, R. A., and Wichern, D. W. (1982). Applied ...
  • - Legates, D. R., and McCabe, G. J. (1999). "Evaluating ...
  • - Morales, M. M., Marti, P., Llopis, A., Campos, L, ...
  • - Helena, B., Pardo, R., Vega, M., Barrado, E., Ferna ...
  • - Vega, M., Pardo, R., Barrado, E., and Deban, L. ...
  • - -Simeonov, V., Stratis, J. A., Samara, C., Zachariadis, G., ...
  • نمایش کامل مراجع