مروری بر کاربرد دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش بینی پارامترهای زیست محیطی منابع آب

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 678

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCER03_299

تاریخ نمایه سازی: 27 بهمن 1394

Abstract:

نظارت دقیق بر کیفیت و کمیت منابع آب، نقش مهمی در مدیریت مدرن زیست محیطی دارد، لذا برای رسیدن به این هدف باید پارامترهای کمی و کیفی منابع آب با دقت مطلوبی اندازه گیری و کنترل شوند. اما همیشه این امکان وجود ندارد که بتوان این پارامترها را با روش های آسان، کم هزینه، دقیق و سریع آزمایشگاهی اندازه گیری کرد. بنابراین امروزه برای رفع این نوع مشکلات و مسائل، از روش های جدیدی مانند روش های هوشمند استفاده می شود که توانایی بالایی در بسیاری از زمینه های محاسباتی دارند. با توجه به تنوع کارهای تحقیقاتی انجام شده و عدم وجود یک مقاله مروری جامع، انجام این کار پژوهشی لازم می باشد. هدف ازنگارش این مقاله، مروری جامع بر کاربرد روش های هوشمند شبکه عصبی مصنوعی و ماشین بردار پشتیبان در حیطه منابع آب و ایجاد یک منبع مطالعاتی جامع برای محققان علاقه مند به این زمینه می باشد. نتایج این تحقیقات همگی نشان می دهند، این روش های پیشرفته هوشمند در مقایسه با سایر روش های محاسباتی در جهت پیش بینی پارامترهای کمی و کیفی منابع آب،کارآمدتر، سریع تر، دقیق تر و مقرون به صرفه تر می باشند.

Keywords:

پارامترهای کمی و کیفی منابع آب , روشهای هوشمند شبکه عصبی مصنوعی و ماشین بردار پشتیبان , مدیریت مدرن زیست محیطی

Authors

زهره بیات زاده فرد

دانشجوی کارشناسی ارشد، دانشگاه صنعتی اراک.

هادی فتاحی

استادیار گروه مهندسی معدن، دانشگاه صنعتی اراک

فریدون قدیمی عروس محله

دانشیار گروه مهندسی معدن، دانشگاه صنعتی اراک

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 :
  • Aclharya C, Mohanty S, Sukla L, Misra V.2006. Prediction of ...
  • Ancona N , Cicirelli G, Stella E, Distante A.2003. Ball ...
  • Bashi-Azghadi SN, Kerachian R, Bazargan-Lari MR, Solouki K.2010. Characterizing an ...
  • Bonissone PP.1997. Soft computing: the convergence of emerging reasoning technologies. ...
  • Chao L-J, Tay FE.2003. Support vector machine with adaptive parameters ...
  • Chau K-w.2007. A review on integration of artificial intelligence into ...
  • Chen R-C, Hsieh C-H.2006. Web page classification based on a ...
  • Demuth H, Beale M.1993 Neural network toolbox for use with ...
  • Doulati Ardejanii F, Rooki R, Jodieri Shokri B, Eslam Kish ...
  • Eskandari H, Rezaee M, Mohammadnic M.2004. Application of multiple regression ...
  • Gang R, Zhuping Z.2011. Traffic safety forecasting method by particle ...
  • Hagan MT, Demuth HB, Beale MH .1996. Neural network design. ...
  • He B et al.2011. Estimating monthly total nitrogen concentration in ...
  • Huang CL, Chen MC, Wang CJ.2007. Credit scoring with a ...
  • Jiang Y, Nan Z, Yang S.2013 .3Risk assessmenz of water ...
  • Jorjani E, Chelgani SC, Mesroghli S.2008. Application of artificial neural ...
  • Kecman V .2001. Learning and soft computing: support vector machines, ...
  • Kuo J-T, Hsieh M-H, Lung W-S, She N.2007. Using artificial ...
  • Liao Y, Xu J, Wang W.2011. A method of water ...
  • Maier HR , Dandy GC.2001. Neural network based modelling of ...
  • Maier HR, Morgan N, Chow CW.2004. Use of artificial neural ...
  • Monjezi M, Dehghani H.2008. Evaluation of effect of blasting pattern ...
  • Nasr M, Zahran HF.2014. Using of pH as a tool ...
  • Ng J, Gong S.2O02. Composite support vector machines for detection ...
  • Nikoo M, Mahjouri N, Kerachian R .2012. Groundwater Quality Zoning ...
  • Salehi E, Abdi J, Aliei MH.203 .Assessment of Cu (II) ...
  • Shin K-S, Lee TS, Kim H-j.2005. An application of support ...
  • Singh KP, Basant A, Malik A, Jain G.2009. Artificial neural ...
  • Specht DF.1991. A general regression neural network IEEE Transactions _ ...
  • Tan G, Yan J, Gao C, Yang S.2012. Prediction of ...
  • Zhao Y, Nan , Cui F-y, Guo L.2007. Water quality ...
  • Zheng W et al.2013. Support vector machine: classifying and predicting ...
  • نمایش کامل مراجع