دانش رسان |
مرکز علم و دانش کشور مقاله تخمین ضریب پراکندگی طولی آلایندهها در رودخانههای طبیعی با استفاده از رویکرد هوشمند دادهمحور GMDH
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله تخمین ضریب پراکندگی طولی آلایندهها در رودخانههای طبیعی با استفاده از رویکرد هوشمند دادهمحور GMDH دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تخمین ضریب پراکندگی طولی آلایندهها در رودخانههای طبیعی با استفاده از رویکرد هوشمند دادهمحور GMDH 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 تخمین ضریب پراکندگی طولی آلایندهها در رودخانههای طبیعی با استفاده از رویکرد هوشمند دادهمحور GMDH،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تخمین ضریب پراکندگی طولی آلایندهها در رودخانههای طبیعی با استفاده از رویکرد هوشمند دادهمحور GMDH :
تعداد صفحات :۲۲
تخمین دقیق ضریب پراکندگی طولی آلایندهها در اغلب مسائل هیدرولیکی و زیستمحیطی رودخانه مانند مهندسی رودخانه، طراحی آبگیر، مدلسازی جریان در دلتاها و ارزیابی ریسک ناشی از تزریق آلایندهها به جریان رودخانه دارای اهمیت خاصی میباشد. بررسی تحقیقات اخیر نشان میدهد که استفاده از روشهای دادهمحور باعث افزایش دقت و صحت تخمین ضریب پراکندگی طولی آلایندهها در رودخانههای طبیعی شده است. در این تحقیق توانایی و عملکرد روش هوشمند دادهمحور برخورد گروهی با دادهها(GMDH) در تخمین ضریب پراکندگی طولی مورد بررسی قرار گرفته است. مجموعهای از ۷۱ داده مشاهداتی از رودخانههای مختلف گردآوری شده که ۵۱ داده برای آموزش و ۲۰ داده باقیمانده برای آزمون مدل استفاده شده است. متغیرهای هیدرولیکی و هندسی ورودی مدل شامل عمق متوسط جریان(H)، عرض آبراهه(W)، سرعت متوسط طولی جریان(U)، سینوسیتی آبراهه(σ) و سرعت برشی متوسط بستر(U*) و متغیر خروجی ضریب پراکندگی طولی(Kx) میباشند. یک برنامه کامپیوتری در محیط برنامهنویسی نرمافزار MATLAB برای مدلسازی ضریب پراکندگی طولی بر اساس رویکرد هوشمند دادهمحور GMDH تهیه شده است. بررسی عملکرد مدل توسعه داده شده با استفاده از معیارهای آماری R2، RMSE، CC و DR حاکی از عملکرد بسیار بالای مدل GMDH در تخمین ضریب پراکندگی طولی در رودخانه دارد. همچنین مقایسه نتایج روش GMDH با چند رابطه تجربی و چند روش دادهمحور دیگر مانند شبکههای عصبی(ANN)، ماشین بردار پشتیبان(SVM) و الگوریتم ژنتیک(GA) بیانگر شناسایی صحیح الگوی حاکم بر فرایند پراکندگی طولی آلایندهها در رودخانههای طبیعی توسط مدل توسعه داده شده میباشد. مقادیر شاخصهای آماری RMSE، R2 و CC در مدل GMDH به ترتیب برابر با ۵/۲۱، ۹۹/۰ و ۹۹۵/۰ به دست آمده است که حاکی از عملکرد مناسب مدل ارایه شده در تخمین ضریب پراکندگی طولی آلایندهها در رودخانههای طبیعی میباشد
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
