مدلسازی پارامتر کیفی TH در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: دشت مهران و دهلران)
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 709
This Paper With 7 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:
ECONF03_169
Index date: 22 November 2015
مدلسازی پارامتر کیفی TH در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: دشت مهران و دهلران) abstract
امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیرزمینی مستلزم صرف هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد. در این تحقیق کار مدلسازی پارامتر کیفی TH بر اساس سایر مؤلفه های شیمیایی یعنی آنیون ها و کاتیون های اصلی، SAR و PH انجام شده است.نتایج نشان داد روش شبکه عصبی کارایی بالایی در پیشبینی مقادیر پارامترهای کیفی آب زیرزمینی دارد. مقداربالای ضریب همبستگی به دست آمده بین پارامترهای مدلسازی شده بیانگر نزدیک بودن مقادیر پیشبینی گردیده با داده های اندازه گیری شده و توانایی و دقت بالای روابط بین متغیرهای ورودی با خروجی است. ضریب تبیین TH مدلسازی شده نیز در سه مرحله آموزش، اعتبارسنجی و تست بالای 90 درصد می باشد که نشان دهنده ی دقت قابل قبول شبکه عصبی مصنوعی و یادگیری خوب و کارآمد شبکه با استفاده از الگوریتم آموزشی مورد نظر و داده های ارائه شده به شبکه است.
مدلسازی پارامتر کیفی TH در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: دشت مهران و دهلران) Keywords:
مدلسازی پارامتر کیفی TH در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: دشت مهران و دهلران) authors
حسین اقدر
دانشگاه شهید چمران اهواز، کارشناس ارشد سنجش از دور و GIS
فاطمه محمد یاری
دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین، دانشگاه صنعتی خاتم الانبیاء بهبهان
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 :