مدلسازی پارامتر کیفی SAR در آب زیرزمینی شهرهای ایلام با استفاده از شبکه عصبی مصنوعی
محل انتشار: اولین کنگره سالیانه جهان و بحران انرژی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 591
متن کامل این مقاله 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 مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACWEC01_143
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
با توجه به اهمیت آبهای زیرزمینی در بخش شرب و کشاورزی،شبیهسازی و پیشبینی تغییرات کیفی آن از نیازهای روزافزون بشر محسوب میگردد. در این تحقیق جهت مدلسازی نسبت جذب سدیم به عنوان متغیر وابسته، فراسنجهای طول و عرض جغرافیایی،هدایت الکتریکی، میزان کل عناصر محلول و مقادیرpH به عنوان متغیر مستقل به کار گرفته شدند. همچنین شبکه عصبی با الگوریتم Levenberg- Marquardtبرای پیشبینی پارامترهای کیفی آب زیرزمینی انتخاب گردید. نتایج نشان داد روش شبکه عصبی کارایی بالایی در پیشبینی مقادیر پارامترهای کیفی آب زیرزمینی دارد. مقدار بالای ضریب همبستگی به دست آمده بینپارامترهای 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 عنصر مدلسازیشده 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.
کلیدواژه ها:
نویسندگان
حسین اقدر
کارشناس ارشد سنجش از دور وGISدانشکده علوم دانشگاه شهید چمران اهواز
فاطمه محمدیاری
دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین، دانشکده منابع طبیعی دانشگاه صنعتی خاتم الانبیاء(ص) بهبهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :