بررسی کاربرد روشهای هوشمند فازی در پیش بینی پارامترهای آلاینده منابع آب مطالعه مروری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 592

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCER03_300

تاریخ نمایه سازی: 27 بهمن 1394

چکیده مقاله:

امروزه توسعه فعالیتهای صنایع و معادن، مخاطرات بسیاری را بر محیط فیزیکی، بیولوژیکی، اقتصادی- اجتماعی و فرهنگی تحمیل می کنند، که ابعاد این خطرات با توجه به نوع و ماهیت پروژه ها متفاوت می باشند. در میان تمام پیامدهای ناشی از اینگونه فعالیتها، آلودگی های منابع آبی از مهمترین نگرانیهای زیست محیطی محسوب می شوند. آنچه که امروزه در پژوهش های این حوضه اهمیت بسیار دارد، توانایی اندازه گیری آن دسته از پارامترهای آلاینده محیط زیست می باشد که به علت صحت و دقت کم دستگاه های تجزیه آزمایشگاهی، زمان بر بودن و هزینه های زیاد، قابل اندازه گیری دقیق نمی باشند، لذا دانش کنونی بشر امکان پیش بینی و بهینه سازی چنین پارامترهایی را با روش های نوین محاسباتی مانند روش های هوشمند فازی فراهم کرده است. هدف از نگارش این مقاله، مروری جامع بر کاربرد روشهای فازی در حیطه آلودگی های منابع آب می باشد. نتایج این تحقیق نشان می دهدکه روش های پیشرفته هوشمند فازی در مقایسه با سایر روشها در جهت پیش بینی پارامترهای آلودگی، کارآمدتر می باشند.

کلیدواژه ها:

آلودگیهای منابع آبی ، پیش بینی پارامترهای آلودگی ، روشهای هوشمند فازی

نویسندگان

زهره بیات زاده فرد

دانشجوی کارشناسی ارشد، دانشگاه صنعتی اراک.

هادی فتاحی

استادیار گروه مهندسی معدن، دانشگاه صنعتی اراک

فریدون قدیمی عروس محله

دانشیار گروه مهندسی معدن، دانشگاه صنعتی اراک

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 :
  • Aroba J., Grande J.A., Andujar J.M., de la Torre M. ...
  • Aryafar A., Yousefi S., Doulati Ardejani F. 2012. The weight ...
  • Chang N.B, Chen H.W, Ning S.K. 2001. Identification of river ...
  • Chang F-J, Chung C-H, Chen P-A, Liu C-W, Coynel A, ...
  • Grande J.A., Andujar J.M., Aroba J., de la Torre M.L. ...
  • Grande J.A. Valente T., Ferreira M.J., de la Torre M.L, ...
  • Heddam S., Bermad A., Dechemi N. 2012. ANFIS _ bas ...
  • Jang JSR.1993. ANFIS: Adaptive -network-based fuzzy inference system. IEEE Transactions ...
  • Liou S.M., Lo S.L, Hu C.Y. 2003. Application of two-stage ...
  • _ Mazumder D.N.G., Gupta J.D., Chakraborty A.K., Chatterjee A., Das ...
  • Mamdani EH, Assilian S. 1975. An experiment in linguistic synthesis ...
  • Marsili-Libel S. 2004. Fuzzy prediction of the algal blooms in ...
  • Pourjabbar A., Sarbu C., Kostarelos K., Einax J.W., Bichel G. ...
  • Rahimi D, Mokarram M 2012. Assessing the groundwater quality by ...
  • Salomons W. 1994. Environmentl impact of metals derived from mining ...
  • Shokri B.J., H., Ramazi Ardejani F.D., Sadegh iamirshah idi M. ...
  • Sugeno M. 1985. Industrial applications of fuzzy control. Elsevier Science ...
  • _ Sarudemir M. 2008. Prediction of rubberized concrete properties using ...
  • نمایش کامل مراجع