مقاله مدل‌سازی پارامترهای کیفی EC، SAR و TDS در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: دشت مهران و دهلران)


در حال بارگذاری
مقاله مدل‌سازی پارامترهای کیفی EC، SAR و TDS در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: دشت مهران و دهلران)
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
3 بازدید
۷۹,۷۰۰ تومان
خرید

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

 مقاله مدل‌سازی پارامترهای کیفی EC، SAR و TDS در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: دشت مهران و دهلران) دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدل‌سازی پارامترهای کیفی EC، SAR و TDS در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: دشت مهران و دهلران)  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 مدل‌سازی پارامترهای کیفی EC، SAR و TDS در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: دشت مهران و دهلران)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدل‌سازی پارامترهای کیفی EC، SAR و TDS در آب زیرزمینی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: دشت مهران و دهلران) :

تعداد صفحات :۲۱

با توجه به اهمیت آب­های زیرزمینی در بخش شرب و کشاورزی، شبیه­سازی و پیش­بینی تغییرات کیفی آن از نیازهای روزافزون بشر محسوب می­گردد. در این تحقیق کار مدل­سازی پارامترهای کیفی TDS و EC بر اساس سایر مؤلفه­های شیمیایی یعنی آنیون­ها و کاتیون­های اصلی، SAR و pH انجام شده است. همچنین جهت مدل­سازی نسبت جذب سدیم به عنوان متغیر وابسته، فراسنج­های طول و
عرض جغرافیایی، هدایت الکتریکی، میزان کل عناصر محلول و مقادیر pH به عنوان متغیر مستقل به کار گرفته شدند. در این مطالعه شبکه عصبی با الگوریتمMarquardt Levenberg- برای پیش­بینی پارامترهای کیفی آب زیرزمینی انتخاب گردید. نتایج نشان داد
روش شبکه عصبی کارایی بالایی در پیش­بینی مقادیر پارامترهای کیفی آب زیرزمینی دارد. مقدار بالای ضریب همبستگی به دست آمده بین پارامترهای مدل­سازی شده بیان­گر نزدیک بودن مقادیر پیش­بینی گردیده با داده­های اندازه­گیری شده و توانایی و دقت بالای روابط بین متغیرهای ورودی با خروجی است. ضریب تبیین هر سه عنصر مدل­سازی شده نیز در سه مرحله آموزش، اعتبارسنجی و تست بالای ۹۰ درصد می­باشد که نشان دهنده­ی دقت قابل قبول شبکه عصبی مصنوعی و یادگیری خوب و کارآمد شبکه با استفاده از الگوریتم آموزشی مورد نظر و داده­های ارایه شده به شبکه است. نتایج این مطالعه از اهمیت زیادی در جهت برنامه­ریزی و مدیریت یکپارچه کیفیت منابع آب و حفاظت و بهره­وری مناسب از آن در منطقه مطالعاتی برخوردار می­باشد

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.