مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,508
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

409
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

تخمین نیترات آب زیرزمینی دشت همدان- بهار با استفاده از شبکه عصبی مصنوعی و اثر تفکیک داده ها بر دقت پیش بینی

صفحات

 صفحه شروع 129 | صفحه پایان 140

چکیده

 کسب اطلاعات لازم در خصوص نیترات در منابع آب زیرزمینی مستلزم اندازه گیری های دقیق دوره ای است که با وجود اندازه گیری آن در برخی مناطق, به علت حساسیت های اجتماعی و سلامتی جامعه گزارش نمی شود. بنابراین مدل سازی آن به علت اطلاع از وضعیت کیفی آب هر منطقه ضروری به نظر می رسد. هدف این مطالعه استفاده از روش شبکه عصبی مصنوعی در برآورد نیترات و مقایسه آن با مقادیر اندازه گیری شده و بررسی تاثیرپذیری برآورد نیترات از تعداد و ماهیت اطلاعات ورودی به مدل شبکه عصبی بود. داده ها از آمار و اطلاعات کمی و کیفی 53 حلقه چاه آب زیرزمینی دشت همدان- بهار در دو گروه اطلاعات پرهزینه و کم هزینه, طی سالهای 1382 تا 1387 اخذ شد. در گروه اطلاعات پرهزینه از 13 متغیر مستقل شیمیایی به عنوان ورودی شبکه عصبی مصنوعی و در گروه کم هزینه از 7 و 8 متغیر به تفکیک برای مدل سازی نیترات استفاده شد. مقایسه نتایج آزمون هر سه آرایش, حاکی از توانایی بالای مدل شبکه عصبی در پیش بینی غلظت نیترات است. مقایسه میانگین خطاهای حاصل از هر سه مدل شبکه عصبی با آزمون t و آماره Z نشان داد که تفاوت معنی داری بین نتایج مدل ها وجود ندارد. بنابراین استفاده از اطلاعات گروه دوم در ورودی شبکه عصبی قابل توجیه است. مشخصه های ورودی مدل پیشنهادی شامل خصوصیات ژئومرفولوژی عمق استاتیک, عمق چاه, مختصات جغرافیایی و اطلاعات کیفی دما,pH , هدایت الکتریکی نمونه های آب اندازه گیری شده است که موفق به پیش بینی غلظت نیترات با اطمینانی بیش از 80 درصد شد که موید کارایی مناسب مدل در آبخوان دشت همدان- بهار است.

استنادها

ارجاعات

استناددهی

APA: کپی

زارع ابیانه، حمید، بیات ورکشی، مریم، اخوان، سمیرا، و محمدی، محمد. (1390). تخمین نیترات آب زیرزمینی دشت همدان- بهار با استفاده از شبکه عصبی مصنوعی و اثر تفکیک داده ها بر دقت پیش بینی. محیط شناسی، 37(58)، 129-140. SID. https://sid.ir/paper/2843/fa

Vancouver: کپی

زارع ابیانه حمید، بیات ورکشی مریم، اخوان سمیرا، محمدی محمد. تخمین نیترات آب زیرزمینی دشت همدان- بهار با استفاده از شبکه عصبی مصنوعی و اثر تفکیک داده ها بر دقت پیش بینی. محیط شناسی[Internet]. 1390؛37(58):129-140. Available from: https://sid.ir/paper/2843/fa

IEEE: کپی

حمید زارع ابیانه، مریم بیات ورکشی، سمیرا اخوان، و محمد محمدی، “تخمین نیترات آب زیرزمینی دشت همدان- بهار با استفاده از شبکه عصبی مصنوعی و اثر تفکیک داده ها بر دقت پیش بینی،” محیط شناسی، vol. 37، no. 58، pp. 129–140، 1390، [Online]. Available: https://sid.ir/paper/2843/fa

مقالات مرتبط نشریه ای

مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button