طبقه بندی میزان کدورت آب و عمق دیسک سکی با استفاده از شبکه عصبی کانولوشن
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 542
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JEWE-9-2_005
Index date: 25 June 2023
طبقه بندی میزان کدورت آب و عمق دیسک سکی با استفاده از شبکه عصبی کانولوشن abstract
ازجمله پارامترهای مهم در کیفیت آب، میزان کدورت و عمق نفوذ نور در آب است. یکی از روش های رایج برای تعیین کدورت آب استفاده از دیسک سکی است، اما این روش زمان بر و پرهزینه است، بنابراین باید یک روش جایگزین در نظر گرفت. روش های یادگیری عمیق می توانند نقش مهمی در این زمینه ایفا کنند. هدف از این مطالعه، طبقه بندی کیفیت آب بر اساس کدورت و عمق دیسک سکی با استفاده از روش شبکه عصبی کانولوشن اجرا شده در محیط برنامه نویسی پایتون بود. بدین منظور از یک مخزن شبیه سازی شده در آزمایشگاه استفاده شد و گام به گام با افزایش خاک رس به آب مخزن، میزان کدورت آن افزایش داده شد. همزمان با اندازه گیری عمق دیسک سکی و کدورت آب، از نمونه ها تصویربرداری انجام گرفت. این تصاویر همراه با داده های به دست آمده به شبکه عصبی کانولوشن داده شد. نتایج نشان داد که شبکه عصبی کانولوشن با تعداد ۳۰۰ تکرار می تواند کلاس کیفی آب را با دقت ۹۵% و آماره کاپا ۹۳% تخمین بزند و تنها ۵%خطا دارد.
طبقه بندی میزان کدورت آب و عمق دیسک سکی با استفاده از شبکه عصبی کانولوشن Keywords:
طبقه بندی میزان کدورت آب و عمق دیسک سکی با استفاده از شبکه عصبی کانولوشن authors
هاجر فیضی
دانش آموخته دکتری، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
محمدتقی ستاری
دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
محمد مسافری
استاد، گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تبریز، تبریز، ایران
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 :