مقاله مکان یابی مناطق مناسب تغذیه مصنوعی با استفاده از شبکه عصبی مصنوعی به منظور مدیریت آبهای زیرزمینی در منطقه شهریاری استان یزد

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

  مقاله مکان یابی مناطق مناسب تغذیه مصنوعی با استفاده از شبکه عصبی مصنوعی به منظور مدیریت آبهای زیرزمینی در منطقه شهریاری استان یزد دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مکان یابی مناطق مناسب تغذیه مصنوعی با استفاده از شبکه عصبی مصنوعی به منظور مدیریت آبهای زیرزمینی در منطقه شهریاری استان یزد  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 مکان یابی مناطق مناسب تغذیه مصنوعی با استفاده از شبکه عصبی مصنوعی به منظور مدیریت آبهای زیرزمینی در منطقه شهریاری استان یزد،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مکان یابی مناطق مناسب تغذیه مصنوعی با استفاده از شبکه عصبی مصنوعی به منظور مدیریت آبهای زیرزمینی در منطقه شهریاری استان یزد :

تعداد صفحات:۱۰

چکیده:

با توجه به موقعیت جغرافیایی ایران و میانگین بارش آن بهای آبهای زیرزمینی و محافظت از آنها بر هیچ کس پوشیده نیست. استفاده بیرویه از این منابع هرساله بر وخامت افت سطح ایستابی در آبخوانهای کشور و خطر کم آبی میافزاید. لذا در این بین نقش تغذیه مصنوعی آبهای زیرزمینی بهمنظور داشتن مدیریت پایدار، مخصوصاً در مناطق خشک، پر رنگتر از پیش به چشم میآید. حوزه آبخیز مورد مطالعه در استان یزد واقع شده که یکی از خشکترین مناطق کشور محسوب میگردد. در این تحقیق با استفاده از سامانه اطلاعات جغرافیایی، تحلیل فرآیند سلسله مراتبی و شبکه عصبی مصنوعی به بررسی مکانهای مناسب تغذیه مصنوعی پرداخته شده است. هدف از انجام این مطالعه، تعیین ساختار بهینه شبکه عصبی مصنوعی با تعداد عوامل محدودی برای مکانیابی تغذیه مصنوعی در حوزه آبخیز شهریاری میباشد. در این بین از لایههای اطلاعاتی شیب زمین، گروههای هیدرولوژیکی خاک، ضخامت آبرفت خشک خاک و زمینشناسی استفاده شد. برای انجام این تحقیق ابتدا تعداد تکرار بهینه جهت جلوگیری از آموزش بیش از حد شبکه با روش سعی و خطا تعیین شد. ارزش طبقات هر عامل با استفاده از روش تحلیل سلسله مراتبی تعیین گردید.سپس برای ورود دادهها به محیط نرمافزارMatlabابتدا اطلاعات مربوط به هر پیکسل مشخص گردید. در این مطالعه برای آموزش شبکه از الگوریتم پس انتشار خطا و تابع فعالسازی سیگموئیدی استفاده شد.