پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,502 |
| تعداد مشاهده مقاله | 124,119,453 |
| تعداد دریافت فایل اصل مقاله | 97,225,854 |
تخمین نیترات آب زیرزمینی دشت همدان- بهار با استفاده از شبکة عصبی مصنوعی و اثر تفکیک داده‌ها بر دقت پیش‌بینی | ||
| محیط شناسی | ||
| مقاله 14، دوره 37، شماره 58، شهریور 1390، صفحه 129-140 اصل مقاله (365.64 K) | ||
| نویسندگان | ||
| حمید زارع ابیانه1؛ مریم بیات ورکشی2؛ سمیرا اخوان3؛ محمد محمدی4 | ||
| 1دانشگاه بوعلی‌سینا ، استادیار گروه مهندسی آب دانشکدة کشاورزی | ||
| 2دانشگاه بوعلی‌سینا ، دانش آموخته کارشناسی ارشد آبیاری و زهکشی دانشکدة کشاورزی | ||
| 3دانشگاه بوعلی‌سینا، استادیار گروه مهندسی آب دانشکدة کشاورزی | ||
| 4دانشگاه بوعلی سینا، کارشناس آبیاری | ||
| چکیده | ||
| کسب اطلاعات لازم در خصوص نیترات در منابع آب زیرزمینی مستلزم اندازه‌گیری‌های دقیق دوره‌ای است که با وجود اندازه‌گیری آن در برخی مناطق، به‌علت حساسیت‌های اجتماعی و سلامتی جامعه گزارش نمی‌شود. بنابراین مدل‌سازی آن به علت اطلاع از وضعیت کیفی آب هر منطقه ضروری به‌نظر می‌رسد. هدف این مطالعه استفاده از روش شبکة عصبی مصنوعی در برآورد نیترات و مقایسة آن با مقادیر اندازه‌گیری شده و بررسی تأثیرپذیری برآورد نیترات از تعداد و ماهیت اطلاعات ورودی به مدل شبکه عصبی بود. داده‌ها 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 مدل‌سازی نیترات استفاده شد. مقایسة نتایج آزمون هر سه آرایش، حاکی از توانایی بالای مدل شبکة عصبی در پیش‌بینی غلظت نیترات است. مقایسة میانگین خطاهای حاصل از هر سه مدل شبکه عصبی با آزمون t و آماره Z نشان داد که تفاوت معنی‌داری بین نتایج مدل‌ها وجود ندارد. بنابراین استفاده از اطلاعات گروه دوم در ورودی شبکه عصبی قابل توجیه است. مشخصه‌های ورودی مدل پیشنهادی شامل خصوصیات ژئومرفولوژی عمق استاتیک، عمق چاه، مختصات جغرافیایی و اطلاعات کیفی دما، pH ، هدایت الکتریکی نمونه‌های آب اندازه‌گیری شده است که موفق به پیش‌بینی غلظت نیترات با اطمینانی بیش از 80 درصد شد که مؤید کارایی مناسب مدل در آبخوان دشت همدان-بهار است. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی؛ شبکة عصبی مصنوعی؛ نیترات؛ همدان | ||
|
آمار تعداد مشاهده مقاله: 2,676 تعداد دریافت فایل اصل مقاله: 3,699 |
||