مقاله استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطحی زمین های حاشیه بزرگراه دزفول-اهواز

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطحی زمین های حاشیه بزرگراه دزفول-اهواز دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطحی زمین های حاشیه بزرگراه دزفول-اهواز  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطحی زمین های حاشیه بزرگراه دزفول-اهواز،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطحی زمین های حاشیه بزرگراه دزفول-اهواز :

تعداد صفحات:۹
چکیده:
بررسی توزیع غلظت فلزات سنگین جهت پایش آلودگی خاک و حفظ کیفیت محیط زیست ضروری است. براین اساس، پژوهشی در بهار سال ۱۳۹۳ با هدف استفاده از شبکه های عصبی مصنوعی برای تعیین عوامل موثر بر تغییرات سرب در خاک سطی زمین های حاشیه بزرگراه دزفول-اهواز انجام گردید. برای این منظور، نمونه برداری خاک از عمق ۰ تا ۱۰ سانتی متر بر روی خط مجاور با محور بزرگراه باسه نمونه یکسان به فواصل ۴۰،۱۵ و ۱۰۰متری از حاشیه جاده انجام شد(مجموعا ۱۳۵ نمونه) سپس در هر نمونه خاک، غلظت کل فلز سرب، ماده آلی، آهک،PH، هدایت الکتریکی (EC) و توزیع اندازه ای ذرات خاک(درصد رس، سیلت، شن ریز و خیلی ریز و درصد کل شن) اندازه گیری شد. مدل سازی با استفاده از شبکه های عصبی مصنوعی (ANNs) و رگرسیون خطی چند متغیره (MLR) انجام گردید. برای بررسی کارایی مدل ها نیز از برخی شاخص های آماری نظیر ضریب همبستگی (r) ریشه میانگین مربعات خطا (RMSE) و شاخص کارایی مدل (MEF) بین مقادیر اندازه گیری شده و براوردشده، استفاده شد. بررسی نتایج حاصل از انتخاب متغیر به روش ANN نمایانگر آن بود که آهک موثرترین فاکتور در جذب سرب در فاصله ۰ تا۱۵ متری از جاده دزفول-اهواز است. در فاصله ۱۵ تا ۴۵ متری، مقدار شن و در فاصله ۴۵ تا ۱۰۰ متری نیز، EC بیشترین ضریب اهمیت را دار بودند. بررسی شاخص های آماری سنجش کارایی مدل نشان داد که مدل ANN دارای ضریب دقت بالاتری در شبیه سازی غلظت عنصر مورد مطالعه است. ضریب همبستگی برآورد سرب با استفاده ازمدل شبکه عصبی برابر با ۰/۹۶ بود، در حالی که مقدار آن برای مدل MLR 0/62 بود. بنابراین براساس نتایج این پژوهش به نظر می رسد که بتوان از شبکه های عصبی مصنوعی برای شبیه سازی غلظت عناصر سنگین و عوامل موثر بر دریافت آن ها درمنطقه مورد مطالعه استفاده کرد.