ارزیابی کارایی شبکه عصبی مصنوعی در پیشبینی میزان هدایت الکتریکی رودخانه زرینه رود
Authors
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.
similar resources
ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی 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 textتخمین 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 textمقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی در تخمین رسوبات معلق رودخانه ها (مطالعه موردی: سیمینه رود)
زمینه و هدف: شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسایل مهم در مدیریت منابع آب می باشد. اندازه گیری مقدار رسوب به روش های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده و گاهی از دقت کافی نیز برخوردار نمی باشد. روش بررسی: در این پژوهش تخمین رسوب رودخانه سیمینه رود واقع در استان آذربایجان غربی، با استفاده از شبکه عصبی بیـزین مورد بررسی قرار گرفته و نتایج آن با روش های مرسـوم هوشمند هم...
full textکارایی شبکه عصبی- فازی در برآورد برخی یونها بر اساس هدایت الکتریکی در آب زیرزمینی
در ارزیابی کیفی آب، اندازهگیری هر یک از یونها نیاز به زمان و مواد شیمیایی زیادی داشته، در حالیکه اندازهگیری هدایت الکتریکی توسط هدایتسنج به سادگی انجام پذیر است. بنابراین در صورتی که بتوان یک رابطه مورد قبول بین هدایت الکتریکی و یونهای موجود در آب بوجود آورد میتوان این پارامترها را اندازهگیری نمود. لذا در این پژوهش، به منظور کارایی شبکه عصبی- فازی در برآورد کلسیم، منیزیم، سدیم، سولفات و...
full textارزیابی کارایی مدلهای شبکه عصبی مصنوعی در تخمین هوشمند هیدروگراف سیل در رودخانه جعفرآباد گرگان (گزارش کوتاه علمی)
full text
بررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دستهبندیشده
بار رسوب جریان، شاخص مفیدی در پیشبینی فرسایش خاک در حوزههای آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب میتواند در مدیریت و اجرای پروژههای آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دستهبندی دادهها بهعنوان راهکاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانههای خلیفهترخان و چهلگزی در حوضۀ قشلاق...
full textMy Resources
Journal title
volume 10 issue شماره 3(22-پیاپی 33)
pages 1- 16
publication date 2012-09-22
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023