CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

مقایسه روش های مدلسازی رگرسیون مرحله ای و شبکه عصبی مصنوعی در جذب فلزات سنگین در خاک

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۱۳۷۸ | نظرات: ۰
سرفصل ارائه مقاله: خاک
سال انتشار: ۱۳۸۹
نوع ارائه: پوستر
کد COI مقاله: CEE04_423
زبان مقاله: فارسی
حجم فایل: ۲۶۴.۱۹ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۳ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه روش های مدلسازی رگرسیون مرحله ای و شبکه عصبی مصنوعی در جذب فلزات سنگین در خاک

  محمدرضا صبور - استاد یار محیط زیست، دانشگاه صنعتی خواجه نصیرالدین طوسی
  حسن قاسم زاده -
میثم افشاری -
مصطفی ابوالفضل زاده -

چکیده مقاله:

امروزه یکی از مشکلات زیست محیطی مناطق پر جمعیت و صنعتی آلودگی خاک و آبهای زیرزمینی به فلزات سنگین می باشد. مطالعات ارزیابی زیست محیطی و همچنین مطالعات انتخاب روشهای مناسب پاکسازی مناطق آلوده مستلزم به کارگیری مدل های انتقال در پیش بینی رفتار جذب آلاینده در محیط می باشد. در این پژوهش نتایج تحقیقات گذشته جمع آوری و عوامل موثر در ضریب جذب کادمیوم مشخص شده است. بعد از جمع آوری داده ها، همگن سازی و استانداردسازی داده ها دو روش مدلسازی رگرسیون و شبکه عصبی مصنوعی به کار گرفته شده اند

کلیدواژه‌ها:

مدلسازی ضریب جذب در خاک، کادمیوم، فلزات سنگین، رگرسیون مرحله ای ، شبکه های عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CEE04-CEE04_423.html
کد COI مقاله: CEE04_423

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صبور, محمدرضا؛ حسن قاسم زاده؛ میثم افشاری و مصطفی ابوالفضل زاده، ۱۳۸۹، مقایسه روش های مدلسازی رگرسیون مرحله ای و شبکه عصبی مصنوعی در جذب فلزات سنگین در خاک، چهارمین همایش تخصصی مهندسی محیط زیست، تهران، دانشگاه تهران، دانشکده محیط زیست، https://www.civilica.com/Paper-CEE04-CEE04_423.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (صبور, محمدرضا؛ حسن قاسم زاده؛ میثم افشاری و مصطفی ابوالفضل زاده، ۱۳۸۹)
برای بار دوم به بعد: (صبور؛ قاسم زاده؛ افشاری و ابوالفضل زاده، ۱۳۸۹)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Abo lfaz lzade h doshsnbehbaz ri M., Falamaki A., Ulrich ...
  • Baxter, C.W., Zhang, Q., Stanley, S.J., Shariff, R., Tupas, R-R.T ...
  • Chau K. W., A review on integration of artificial intelligence ...
  • /4] Chehreh Chelgani S., Mesroghli Sh., Hower J. C., Simultaneous ...
  • Deeb O., Correlation ranking and stepwise regression procedures in principal ...
  • Demnth H. Beale M., Hagan M., Neural Network ToolboxTM User's ...
  • EPA 402 -R-99-04A, Uderstanding variation in partition coefficient, Kd, values, ...
  • /8] EPA 402-R- 99-004B, Uderstanding variation in partition coefficient, Kd, ...
  • /9] Gao C., Govind R., Tabak H. H., Predicting soil ...
  • Hsieh K.-L., Lu Y. Sh., Model construction and parameter effect ...
  • Jiao L, Li H..QSPR studies on the aqueous solubility of ...
  • Lee S.Z., Allen H.E., Huang C.P., Sparks D.L, Predicting soil-water ...
  • Li L. Z., Zhou D.M., Wang P., Allen H. E.., ...
  • Mesroghli Sh., Jorjani E, Chehreh Chelgani S., Estimation of gross ...
  • Najjar, Y. M. and Ali, H. E. CPT-based liquefaction potential ...
  • Palani S. Liong Sh. Y., Tkalich P., An ANN application ...
  • Senevirathna _ Fuzzy rule based models for contaminant transport around ...
  • Shahin M.A., Jaksa M.B., Maier H.R, Artificial Neural Network Applications ...
  • Sivakugan, N., Eckersley, J. D., and Li, H. Settlement predictions ...
  • Ural, D. N., and Saka, H., Liquefaction assessment by neural ...
  • Wang G. C. S., Jain C. L., Regression Analysis: Modeling ...
  • Wang T.H., Li M.H., Teng Sh.P., Bridging the gap between ...
  • YANG X. H., WANG F. M., HUANG J. F., WANG ...
  • Yetilmezsoy, K. and Demirel S., Artificial neural network (ANN) approach ...
  • Zhenqing Sh. _ Herbert E. A _ Dominic M. D. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۸۲۱۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.