پیش بینی میزان خوردگی به کمک سیستم استنتاج عصبی - فازی
Publish place: 11th Iranian National Corrosion Congr
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,350
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
INCC11_053
Index date: 25 September 2009
پیش بینی میزان خوردگی به کمک سیستم استنتاج عصبی - فازی abstract
عوامل طبیعی و انسانی در هر منطقه سبب تغییرات فیزیکی، شیمیایی و بیولوژیکی در کیفیت منابع آب می شود رسوب و خوردگی، از مشخصات کیفی اب می باشد که میزان آنها زمینه استفاده از آب در بخش های مختلف را با محدودیت مواجه می کند. پرکاربردترین شاخصهای تعیین میزان خوردگی و رسوب آب، سه شاخص لانژلیر، رایزنر و پوکوریوس می باشد در این مطالعه با توجه به اهمیت خوردگی و رسوب دهی و محدودیتهای موجود در کاربرد این شاخصها سعی گردید با ا ستفاده از سیستم استنتاج عصبی - فازی اقدام به پیش بینی شاخصها گردید. بدین منظور با مدنظر قرار دادن نمونه های اندازه گیری شده آبهای زیرزمینی شهرستان رزن، قابلیت سیستم استنتاجی عصبی - فازی در پیش بینی شاخص ها مورد ارزیابی قرار گرفت. نتایج نشان از توانایی بالای سیستم استنتاجی عصبی - فازی در پیش بینی میزان خوردگی و رسوب دهی بود. در بین شاخصها، توانایی سیستم در پیش بینی شاخص لانژلیر با ضریب تعیینی برابر 95/0 نسبت به دو شاخص پوکوریوس و رایزنر بیشتر بود. در ضمن تایع عضویت گوس نتایج برتری نسبت به دیگر توابع در پیش بینی شاخصها توسط سیستم استنتاجی عصبی - فازی داشت.
پیش بینی میزان خوردگی به کمک سیستم استنتاج عصبی - فازی Keywords:
پیش بینی میزان خوردگی به کمک سیستم استنتاج عصبی - فازی authors
مریم بیات ورکشی
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه بوعلی سینا
حمید زارع ابیانه
استادیار دانشکده کشاورزی دانشگاه بوعلی سینا
عادل قاسمی
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه بوعلی سینا
فواد سلطانی
مربی موسسه آموزش عالی عمران آبادانی و توسعه روستاها
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 :