Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

اثر نویز در پیش بینی زمانی جریان و انتقال آلودگی در محیط متخلخل با استفاده از مدل های هوش مصنوعی

فصلنامه علوم و تکنولوژی محیط زیست، دوره: 21، شماره: 5
Year: 1398
COI: JR_ESTJ-21-5_003
Language: PersianView: 76
This Paper With 12 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

شهرام موسوی - استادیار، باشگاه پژوهشگران جوان و نخبگان، واحد میانه، دانشگاه آزاد اسلامی، میانه، ایران (مسوول مکاتبات)
وحید نورانی - استاد، گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، ایران
محمد تقی اعلمی - استاد، گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، ایران

Abstract:

زمینه و هدف: عدم قطعیت پارامترهای صحرایی، نویز در داده­های مشاهداتی و شرایط مرزی نامشخص از مهم ترین عوامل محدود کننده در مدل سازی جریان و انتقال آلودگی در محیط های متخلخل است. روش بررسی: در این تحقیق، دشت میاندوآب به عنوان مطالعه موردی برای شبیه­سازی تراز آب زیرزمینی و غلظت کلراید انتخاب شد. برای مدل سازی زمانی انتقال آلودگی از روش های هوش مصنوعی استفاده شد. در روش پیشنهادی، ابتدا سری­های زمانی تراز آب­ زیرزمینی و غلظت کلراید در پیزومترهای مختلف با استفاده از روش آستانه موجک رفع نویز شدند. در ادامه اثر نویز و رفع نویز در سری­های زمانی تراز آب زیرزمینی و غلظت کلراید در مدل های هوش مصنوعی موردبررسی قرارگرفت. برای این منظور، ۱۴ پیزومتر مختلف با استفاده از شبکه عصبی مصنوعی و سیستم عصبی-فازی تطبیقی برای تخمین غلظت کلراید در یک ماه بعد، آموزش و اعتبارسنجی شدند. یافته­ها: نتایج نشان داد که روش آستانه موجک برای رفع نویز سری­های زمانی می­تواند تا ۲۵ درصد کارایی مدل های هوش مصنوعی را افزایش دهد. همچنین توانایی مدل عصبی-فازی تطبیقی در هر دو مرحله آموزش و صحت سنجی به دلیل کارایی منطق فازی برای غلبه بر عدم قطعیت پدیده از شبکه عصبی مصنوعی بیش­تر بوده است. بحث و نتیجه­گیری: استفاده از رفع نویز موجکی سری­های زمانی به عنوان پیش­پردازش داده­ها در پیش­بینی زمانی جریان آب زیرزمینی و انتقال آلاینده­ها، کارایی مدل­های هوش مصنوعی را افزایش می­دهد.

Keywords:

Paper COI Code

This Paper COI Code is JR_ESTJ-21-5_003. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1288677/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
موسوی، شهرام و نورانی، وحید و اعلمی، محمد تقی،1398،اثر نویز در پیش بینی زمانی جریان و انتقال آلودگی در محیط متخلخل با استفاده از مدل های هوش مصنوعی،https://civilica.com/doc/1288677

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 :

  • Bear, J., Cheng, A. H.-D.,۲۰۱۰. Modeling Groundwater Flow and Contaminant ...
  • Singh, R. M., Datta, B.,۲۰۰۷. Artificial Neural Network Modeling for ...
  • Nourani, V., Mogaddam, A. A., Nadiri, A. O., ۲۰۰۸. An ...
  • Li, X., Tsai, F. T.-C., ۲۰۰۹. Bayesian Model Averaging for ...
  • Taormina, R., Chau, K.-W., ۲۰۱۴. Neural Network River Forecasting with ...
  • Foddis, M. L., Ackerer, P., Montisci, A., Uras, G., ۲۰۱۵. ...
  • Nourani, V., Alami, M. T., Vousoughi, F. D., ۲۰۱۵. Wavelet-Entropy ...
  • Nourani, V., Hosseini Baghanam, A., Adamowski, J., Kisi, O., ۲۰۱۴. ...
  • Nourani, V., Hosseini Baghanam, A., Rahimi, A. Y., Nejad, F. ...
  • Cannas, B., Fanni, A., See, L., Sias, G., ۲۰۰۶. Data ...
  • Nourani, V., Komasi, M., Mano, A., ۲۰۰۹. A Multivariate ANN-Wavelet ...
  • Guo, J., Zhou, J., Qin, H. Zou, Q., Li, Q., ...
  • Donoho, D. L., ۱۹۹۵. De-noising by Soft-Thresholding. IEEE Transactions on ...
  • Donoho, D. L., Johnstone, I. M., ۱۹۹۵. Adapting to Unknown ...
  • Nourani, V., Andalib, G., ۲۰۱۵. Daily and Monthly Suspended Sediment ...
  • Hornik, K., Stinchcombe, M., White, H., ۱۹۸۹. Multilayer Feedforward Networks ...
  • Govindaraju, R. S., ۲۰۰۰. Artificial Neural Networks in Hydrology. Ii: ...
  • Jang, J.-S. R., Sun, C.-T., Mizutani, E., ۱۹۹۷. Neuro-Fuzzy and ...
  • Kacprzyk, J., Pedrycz, W., ۲۰۱۵. Springer Handbook of Computational Intelligence, ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: Azad University
Paper count: 1,566
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support