ارزیابی قابلیت شبکه عصبی مصنوعی در پیش بینی شاخص های کیفی TDS و TH آب زیرزمینی دشت همدان -بهار
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 782
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:
PCEPSD01_179
تاریخ نمایه سازی: 18 خرداد 1393
چکیده مقاله:
کیفیت منابع آب زیرزمینی امروزه یکی از مسائل مهم زیست محیطی محسوب می گردد. در این پژوهش، قابلیت شبکه عصبی مصنوعی پرسپترون چندلایه در مدل سازی و پیش بینی دو شاخص کیفی آب زیرزمینی دشت همدان- بهار شامل TDS و TH بررسی گردید. به منظور انجام این پژوهش از 12 شاخص کیفی ماهانه 25 چاه مشاهده ای در سال 1391-1390 استفاده گردید. برای ارزیابی از معیارهای ریشه مربع میانگین خطا (RMSE) و ضریب همبستگی (R) استفاده شد. ساختار بهینه شبکه برای TDS و TH ریشه مربع میانگین خطا را به ترتیب 0/025673 و 0/02329 نشان داد. همچنین ضریب همبستگی برای شاخص TDS، 0/966 و برای شاخص TH، 0/971 برآورد شد. نتایج بیانگر آناست که شبکه عصبی مصنوعی پرسپترون چندلایه قابلیت زیادی در پیش بینی این دو شاخص دارد.
کلیدواژه ها:
نویسندگان
صفر معروفی
استاد، گروه مهندسی آب، دانشگاه بوعلی سینا، همدان
نسیم نادری فرد
دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشگاه بوعلی سینا، همدان
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 :