ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی میزان هدایت الکتریکی رودخانه زرینه رود

Authors

علی خوشنظر

تورج نصرآبادی

پویان عباسی مائده

abstract

جهت بررسی کیفیت آب رودخانه زرینه رود تعداد 16 ایستگاه نمونه گیری انتخاب گردیده و بر روی نمونه ها آزمایشات مربــوط به پارامتر های درجه حرارت، قلیاییت، ph ، هدایت الکتریکی، اکسیژن محلول و آنیون ها و کاتیون های اصلی انجام پذیرفت. با مشخص شدن نتایج آزمایشات فیزیکی و شیمیایی و ایجاد ارتباط همبستگی به روش پیرسون، پارامتر های وابسته به پارامتر هدایت الکتریکی با در نظر گرفتن حداقل قیمت آزمایشات به عنوان پارامتر ورودی مدل های شبکه عصبی انتخاب گردیده و در مدل های مختلف از تعداد آن ها کاسته شده است. در نهایت مدل پیشنهادی شماره 5 با تابع محرک تانژانت و قانون آموزش لورنبرگ مارکوات با حداقل خطای پیش بینی مورد پذیرش می باشد. بیشینه ی ضریب تعیین برابر 98/0 و کمینه ریشه ی میانگین مربعات خطا 33/168 می باشد، همچنین مقدار خطای نرمال میانگین مربعات خطا 24/0 خواهد بود. همچنین در بررسی تاثیرگذاری پارامترهای شبکه عصبی مشخص می شود که پارامتر ph دارای تاثیر گذاری بالای 60% بر مدل شبکه عصبی خواهد بود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی کارایی شبکه عصبی مصنوعی در پیش‌بینی میزان هدایت الکتریکی رودخانه زرینه رود

جهت بررسی کیفیت آب رودخانه زرینه رود تعداد 16 ایستگاه نمونه گیری انتخاب گردیده و بر روی نمونه ها آزمایشات مربــوط به پارامتر های درجه حرارت، قلیاییت، pH ، هدایت الکتریکی، اکسیژن محلول و آنیون ها و کاتیون های اصلی انجام پذیرفت. با مشخص شدن نتایج آزمایشات فیزیکی و شیمیایی و ایجاد ارتباط همبستگی به روش پیرسون، پارامتر های وابسته به پارامتر هدایت الکتریکی با در نظر گرفتن حداقل قیمت آزمایشات به عنوا...

full text

مقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیش بینی جریان رودخانه زاینده رود

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیچیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی و شبکه عصبی مصنوعی می‌باشد. مزیت اصلی این تکنیک‌ها نسبت به روش‌های رایج این است که در مدت زمان نسبتاً کوتاهی قادر به بررسی تأثیر انواع پارامترهای در دسترس، بر فرآیند مورد بررسی می‌باشند بدون آنکه در هر مرتبه نیاز به یافتن...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

تخمین هدایت الکتریکی رودخانه ها با استفاده از شبکه عصبی موجک (مطالعه موردی: رودخانه کاکارضا)

     Electrical conductivity (EC) is an important factor in river engineering, especially studying of river water quality. In this study we studied and evaluated wavelet neural network to predict the electrical conductivity of the Kakareza river (in lorestan), and the results were compared with results of artificial neural network model. For this purpose, hydrogen carbonate, chloride, sulfate, ...

full text

ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی شاخص های کیفی ( DO و BOD ) آب رودخانۀ دره مرادبیک همدان

یکی از عوامل مهم توسعه در هر منطقه فراهم بودن منابع آب مناسب میباشد. در این راستا علاوه بر کمیت، توجه به وضع کیفی آن نیز از اهمیت شایانی برخوردار است. هدف از این تحقیق کاربرد مدل شبکۀ عصبی پرسپترون چند لایه در مدلسازی شاخصهای کیفی آب رودخانهها است. در این مطالعه از اطلاعات و دادههای شامل 10 متغیر کیفی ماهانۀ آب رودخانۀ دره مراد بیک همدان در طول یک سال و در شش ایستگاه برای مدلسازی اکسیژن مورد نی...

full text

My Resources

Save resource for easier access later


Journal title:
انسان و محیط زیست

Publisher: دانشگاه آزاد اسلامی - واحد علوم و تحقیقات تهران

ISSN 1562-5532

volume 10

issue شماره 3(22-پیاپی 33) 2012

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023