کاربرد شبکه عصبی مصنوعی در تعیین کیفیت آب سد قشلاق سنندج با استفاده از جریان ورودی به ان
Publish place: International Conference on Sustainable Development With a focus on Agriculture, Environment and Tourism
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 453
This Paper With 8 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:
ICDAT01_491
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
با توجه به میزان حساسیت آن در منطقه و همچنین با توجه به این موضوع که عمده آب شرب این منطقه از این رودخانه تأمین می شود بررسی میزان آلودگی و پاکیزگی آب یکی از مباحث مهم در این زمینه به حساب می آید. شبکه های عصبی مصنوعی به علت خصوصیات منحصر به فرد خود دارای قابلیت بالایی در شبیه سازی روابط غیرخطی و پیچیده می باشد. در این تحقیق سعی شده است با استفاده از شبکه های عصبی با در دست داشتن میزان جریان آب (دبی) رودخانه های ورودی به سد قشلاق (چهل گزی و خلیفه ترخان) میزان ذرات جامد معلق موجود در آب پیش بینی شود. تعداد نرون های لایه ورودی سه نرون می باشد ک متعاقب ان ها سه ورودی به شبکه القا خواهد شد و خروجی شامل یک نرون است که همان میزان TDS در ماه می باشد و لایه میانی نیز، هشت نرون وجود دارد نرون های لایه میانی از توابع تبدیل تانژانت سیگموئید و نرون های لایه خارجی از توابع تبدیل خطیب منظور تابع فعالیت استفاده می کند و متد آموزش شبکه پس انتشار خطا می باشد. ورودی های داده شده به شبکه دبی رودخانه و خروجی آن میزان TDS ( کل ذرات معلق جامد) می باشد که شبکه در پیش بینی موفق بوده و توانسته با یک مدل سازی میزان ذرات معلق را براساس دبی رودخانه پیش بینی کند.
Keywords:
Authors
افشین فتح الهی
کارشناس ارشد مهندسی محیط زیست دانشگاه کردستان
هادی تحسینی
دانشجوی کارشناسی ارشد محیط زیست دانشگاه کردستان
سید جواد حسینی صدر
دانشجوی کارشناسی ارشد پیام نور دانشگاه همدان
صادق احمدی
کارشناسی ارشد مهندسی طراحی محیط زیست دانشگاه کردستان
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 :