CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه یک مدل پیش بینی تغییرات EC درآب های زیرزمینی دشت اراک مبتنی بر شبکه عصبی فازی

اعتبار موردنیاز PDF: ۱ WORD: ۵ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۳۹ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: NCOEM03_023
زبان مقاله: فارسی
حجم فایل: ۶۶۸.۸۲ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه یک مدل پیش بینی تغییرات EC درآب های زیرزمینی دشت اراک مبتنی بر شبکه عصبی فازی

  فاطمه همتی چوری - دانشجوی کارشناسی ارشد معماری سیستم های کامپیوتری، دانشگاه آزاد اسلامی اراک
  سمیرا قیاسی - مدیر گروه و هیت علمی دانشگاه تهران مرکزی، ایران

چکیده مقاله:

کیفیت آب های زیرزمینی بسیار حایز اهمیت است زیرا میزان آلودگی و رسوب در آب های زیرزمینی تولید آب و مصارف را تحت تاثیر قرار داده و خساراتی را وارد می کند. وجود رسوبات و املاح درون آب ها سبب می شود که هدایت الکتریکی این آب ها افزایش یافته و با اندازه گیری آن می توان این جریان را کنترل و پیش بینی نمود. در واقع این پژوهش به دنبال مدل سازی پیش بینی تغییرات پارامتر EC در آب های زیرزمینی دشت اراک، مبنی بر شبکه عصبی فازی می باشد که این سیستم شبکه عصبی پیشنهادی دارای پنج لایه ورودی، لایه فازی ساز، لایه استنتاج فازی ، لایه نرمالیزه و لایه خروجی است. دلیل استفاده از شبکه عصبی این است که روش های هوشمند اغلب مبتنی بر آموزش هستند و دارای پارامترهایی هستند که در فرآیند یادگیری می تواند تنظیم شوند و با افزایش تعداد ورودی ها تعداد پارامترهای آموزش به صورت نمایی افزایش می یابد. از جایی که انتخاب پارامترهای موثر یک امر مهم در این گونه شبکه ها می باشد، در این پژوهش، برای تنظیم بهینه پارامترها، از روش تاگوچی استفاده کرده و پارامترهای موثر شامل: تعداد توابع عضویت، تاثیر تعداد سال های متوالی و نوع تابع عضویت می باشد. در این پژوهش از الگوریتم K-Means برای خوشه ندی شهرها استفاده شده ونتایج معیار سیلوهیته را به ازای تعداد خوشه های متفاوت بررسی شد. همچنین در این پژوهش شاخص های MID، RASو SM که اغلب برای مقایسه عملکرد روش ها به کار می رود که عملکرد الگوریتم های فرا ابتکاری می باشند معرفی شد که هریک از شاخص ها در 10 بار تکرار بررسی شده و میانگین گرفته شد تا بتوان یک روش برای تعیین بهترین الگوریتم یافت که بر این اساس آن دسته از روش ها که عدد کوچکتر داشته باشد اولویت بیشتری دارد به همین دلیل هر سه شاخص با عدم حضور خوشه بندی و با حضور خوشه بندی بررسی شد، نتایج نشان داد که حضور خوشه بندی سبب شده تا این شاخص های MID، RAS و SM با حضور خوشه بندی میزان میانگین به ترتیب مقادیر 0.0690،0.1318 و 0.0605 را نتیجه دادند

کلیدواژه‌ها:

آبهای زیر زمینی، هدایت الکتریکی EC، شبکه عصبی، خوشه بندی و شاخص های MID، RASو SM.

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-NCOEM03-NCOEM03_023.html
کد COI مقاله: NCOEM03_023

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:
همتی چوری, فاطمه و سمیرا قیاسی، ۱۳۹۷، ارایه یک مدل پیش بینی تغییرات EC درآب های زیرزمینی دشت اراک مبتنی بر شبکه عصبی فازی، سومین کنفرانس ملی مدیریت مهندسی، آستانه اشرفیه، مؤسسه آموزش عالی مهرآستان گیلان، https://www.civilica.com/Paper-NCOEM03-NCOEM03_023.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: (همتی چوری, فاطمه و سمیرا قیاسی، ۱۳۹۷)
برای بار دوم به بعد: (همتی چوری و قیاسی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۶۰۶۰
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 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.