ارزیابی شبکه عصبی احتمالی PNN در مقایسه با شاخص کیفیت آب NSFWQI در طبقه بندی کیفی منابع آب
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,138
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
ICSDA02_106
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
رودخانهها به عنوان یکی از مهمترین منابع آب شیرین مصرفی بخشهای کشاورزی، صنعت و شهری از اهمیت ویژهای برخوردارند. لذا برنامهریزی و رسیدگی جدی به کیفیت آب رودخانههای کشور امری ضروری است. به منظور طبقهبندیکیفیت منابع آب سطحی لازم است کیفیت تعداد زیادی از نمونههای آب تعیین شود. این یک فرآیند بسیار وقتگیر است، لذا استفاده از الگوریتمهای طبقهبندی یکی از راهکارهای موثر برای کاهش زمان محاسبات است. هدف از مقالهحاضر طبقهبندی کیفیت آب رودخانه کارون با استفاده از شاخص NSFWQI و الگوریتم شبکه عصبی احتمالی ) PNN ) میباشد. در این مقاله از دو معیار ارزیابی نرخ خطا و دقت جهت ارزیابی الگوریتم استفاده شد. نتایج نشان میدهد که الگوریتم PNNدر مرحله آموزش و آزمایش به ترتیب از دقت 94/3657% و90/7769% برخوردار است که بیانگر عملکرد خوب الگوریتم در تعیین کلاسههای کیفی آب است
کلیدواژه ها:
نویسندگان
دنیا دزفولی
دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی دانشگاه تهران،
سیدمحمد حسینی موغاری
دانشجوی دکتری مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی دانشگاه تهران،
کیومرث ابراهیمی
دانشیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران،