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

ارزیابی شبکههای عصبی مصنوعی و رگرسیون چند متغیره در پیشبینی پارامترهای کیفیت آب، مطالعه موردی: رودخانه سفیدرود، گیلان

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۷۲۰ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: IHC10_221
زبان مقاله: فارسی
حجم فایل: ۲۹۰.۱۵ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان 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 ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی شبکههای عصبی مصنوعی و رگرسیون چند متغیره در پیشبینی پارامترهای کیفیت آب، مطالعه موردی: رودخانه سفیدرود، گیلان

  امیر حسین انصاری پور - دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تهران
  بهزاد جمالی - دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تهران و کارشناس شرکت م
  کیومرث ابراهیمی - استادیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران

چکیده مقاله:

استفاده روزافزون از منابع طبیعی و گسترش فعالیتهای صنعتی از یکسو و افزایش بیرویه جمعیت و تولید انبوه پسماندها و ضایعات از سوی دیگر، کیفیت منابع آب رودخانه سفیدرود را مورد تهدید جدی قرار داده و سبب پیدایش آلودگیهای متنوعی در این محدوده شده است. در تحقیق حاضر برای پیش بینی پارامترهای کیفیت آب در رودخانه سفیدرود از مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره استفاده شده است. بدین منظور از سری زمانی آبدهی و پارامترهای کیفی هدایت الکتریکی، بیکربنات، کلر، سولفات، اسیدیته، سدیم، پتاسیم، کلسیم، منیزیم و کل جامدات محلول در سالهای 1384- 1361 ز ایستگاه هیدرومتری آستانه واقع در رودخانه سفیدرود استفاده شد. شبیهسازی و پیشبینی چهار پارامتر هدایت الکتریکی، کلر، سولفات و کل جامدات محلول نشان داد شبکه عصبی از قابلیت بالاتری نسبت به رگرسیون چند متغیره در این زمینه برخوردار است. همچنین بیشترین و کمترین مقدار میانگین مربعات خطای شبیهسازی بترتیب مربوط به پارامترهای هدایت الکتریکی و بیکربنات بدست آمد.

کلیدواژه‌ها:

شبکه عصبی مصنوعی ANN ، رگرسیون چندمتغیره خطی، پیش بینی پارامترهای کیفیت آب، سفیدرود

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-IHC10-IHC10_221.html
کد COI مقاله: IHC10_221

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:
انصاری پور, امیر حسین؛ بهزاد جمالی و کیومرث ابراهیمی، ۱۳۹۰، ارزیابی شبکههای عصبی مصنوعی و رگرسیون چند متغیره در پیشبینی پارامترهای کیفیت آب، مطالعه موردی: رودخانه سفیدرود، گیلان، دهمین کنفرانس هیدرولیک ایران، رشت، انجمن هیدرولیک ایران، دانشگاه گیلان، https://www.civilica.com/Paper-IHC10-IHC10_221.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: (انصاری پور, امیر حسین؛ بهزاد جمالی و کیومرث ابراهیمی، ۱۳۹۰)
برای بار دوم به بعد: (انصاری پور؛ جمالی و ابراهیمی، ۱۳۹۰)
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 :

  • . نوشادی، م. سالمی، ح. احمدزاده، م.، (۱۳۸۶)، " شبیه‌سازی ... (مقاله ژورنالی)
  • مقایسه مدلهای شبکه عصبی مصنوعی و رگرسیون در پیش بینی آورد رسوب درحوزه اهرچای آذربایجان شرقی [مقاله کنفرانسی]
  • Antonopoulos, V. Z. Papamichail, D. M. and Mitsiou, K A., ...
  • Scarsbrook, M. R. McBride, C. G. McBride, G. B. and ...
  • Simeonova, P. Simeonov, V. and Andreev, G., (2003), :Water Quality ...
  • Murdoch, P. S. and J. B. Shanley., (2006), :Detection of ...
  • Yang, X. and Jin, W., (2010), :GIS-based spatial regression and ...
  • Maier H. R and Dandy G. C., (2000), :Neural Networks ...
  • D iamantopoulou , M. J. Papamichail, D. M. and Antonopoulos, ...
  • Ying, Z. Jun, N. Fu-yi, C. and Liang, G, (2007), ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۰۱۶۰
    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.