مدلسازی پارامتر کیفی CL در آب زیرزمینی شهرهای ایلام با استفاده از شبکه عصبی مصنوعی
Publish place: The First Annual Congress on World and Energy Crisis
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 625
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ACWEC01_142
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
امروزه در دنیا آب و منابع آب به عنوان یکی از پایههای اصلی توسعه پایدار به شمار میروند و علاوه برکمیت، کیفیت آب نیز جزء پارامترهای مهم مورد توجه قرار میگیرد. در این راستا پارامترهایکیفی آب جزء مولفههایی هستند که بایستی در برنامهریزیها بهدقت شبیهسازی و تخمین زده شوند. محدودیت منابع آب سطحی مناسب، تقاضای مصرف آب به دلیل افزایش جمعیت و توسعه کشاورزی، انسانها را به سمت بهره برداری از ذخائر آب زیرزمینی سوق داده است. در این تحقیق جهت مدلسازیCLبه عنوان متغیر وابسته، فراسنجهای طول و عرض جغرافیایی، هدایت الکتریکی، میزان کل عناصر محلول و مقادیرpHبه عنوان متغیرمستقل به کار گرفته شدند. نتایج نشان داد شبکههای عصبی مصنوعی قادر به مدلسازیCLبا ضریب همبستگی بسیار بالا وخطای بسیار کم میباشد. مقدار بالای ضریب همبستگی به دست آمده بین پارامترهای مدلسازی شده بیانگر نزدیک بودن مقادیر پیشبینی گردیده با دادههای اندازهگیری شده و توانایی و دقت بالای روابط بین متغیرهای ورودی با خروجی است. ضریب تبیین عنصرمدلسازی شده نیز در سه مرحله آموزش، اعتبارسنجی و تست بالای 09 درصد میباشد که نشان دهندهی دقت قابل قبول شبکه عصبی مصنوعی و یادگیری خوب و کارآمد شبکه با استفاده از الگوریتم آموزشی مورد نظر و دادههای ارائه شده به شبکه است.
Keywords:
Authors
فاطمه محمدیاری
دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین، دانشکده منابع طبیعی دانشگاه صنعتی خاتم الانبیاء(ص) بهبهان
حسین اقدر
کارشناس ارشد سنجش از دور وGISدانشکده علوم دانشگاه شهید چمران اهواز
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 :