پیش بینی مقدار کل جامدات حل شده در آب زیرزمینی با استفاده از دو روشیادگیری ماشین و شبکه عصبی
Publish place: The fourteenth international conference on agriculture, environment, urban and rural development
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 90
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:
شناسه ملی سند علمی:
URDCONF14_026
تاریخ نمایه سازی: 7 تیر 1403
Abstract:
در سال های اخیر آب زیرزمینی به عنوان بزرگترین منبع آب شیرین در دسترس بشر، از لحاظ کیفی وکمی دچار مشکلاتی شده است. از این رو محققین راه های متنوعی را برای پاکسازی این منبع مهمپیشنهاد داده اند که یکی از این راه ها روش الکتروکینتیک می باشد. جهت طراحی روش الکتروکینتیکباید مشخصاتی از آبخوان مانند هدایت الکتریکی مورد بررسی قرار گیرد که یکی از راه های شناختهدایت الکتریکی، مقدار کل جامدات حل شده است. در این تحقیق با استفاده از روش های یادگیریماشین و شبکه عصبی سعی شده تا مدلی بهینه و دقیق برای پیشبینی مقدار کل جامدات حل شده درآب زیرزمینی ساخته شود. برای ساخت مدل مورد بحث از یک پایگاه داده مربوط به آب زیرزمینی آمریکاکه بین سال های ۱۹۹۱ الی ۲۰۱۸ جمع آوری شده، استفاده شده است. در نتایج این تحقق نشان دادهشد که هر دو روش یادگیری ماشین و شبکه عصبی از لحاظ دقت، عملکرد مشابهی ارائه دادند و ضریبتعیین ۰.۹۳ برای داده های آزمون بدست آمد. هردو مدل از لحاظ بیش برازش و کم برازش بودن نیزمورد بررسی قرار گرفتند. در نهایت نیز دیده شد که روش یادگیری ماشین از لحاظ مصرف منابعپردازشی بهینه تر بوده و توانسته با مقدار کمتری از مصرف پردازنده به همان عملکرد شبکه عصبی برسد.
Keywords:
Authors
مبین وکیلی
دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)
تقی عبادی
دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)
امیر گل رو
دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)