مقاله تخمین پارامترهای کیفی رودخانه ی شاهرودچای اردبیل با استفاده از مدل هیبرید شبکه های عصبی- موجکی

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

  مقاله تخمین پارامترهای کیفی رودخانه ی شاهرودچای اردبیل با استفاده از مدل هیبرید شبکه های عصبی- موجکی دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تخمین پارامترهای کیفی رودخانه ی شاهرودچای اردبیل با استفاده از مدل هیبرید شبکه های عصبی- موجکی  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 پارامترهای کیفی رودخانه ی شاهرودچای اردبیل با استفاده از مدل هیبرید شبکه های عصبی- موجکی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تخمین پارامترهای کیفی رودخانه ی شاهرودچای اردبیل با استفاده از مدل هیبرید شبکه های عصبی- موجکی :

تعداد صفحات:۱۳
چکیده:
رودخانه ها بعنوان اصلی ترین منبع تأمین کننده نیاز شرب، کشاورزی و صنعت، از اهمیت خاصی برخوردار هستند و بعلت اینکه از بسترها و مناطق مختلفی میگذرند، نوسانات کیفی زیادی دارند. لذا بررسی و پیش بینی تغییرات پارامترهای کیفی رودخانه ها، یکی از اهداف برنامهریزان و مدیران منابع آب می باشد. در این راستا تعداد زیادی مدلهای کیفیت آب در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبیمصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه شاهرودچای اردبیل طی یک دوره آماری ۲۰ ساله استفاده شده است، که با استفاده از توان بالای موجک در شناسایی سیگنال ها و جداسازی سیگنالهای خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی آنها توسط معیارهای آماری ضریب همبستگی (r) ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت. نتایج نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای ۹۹/. قابلیت بالایی در تخمین پارامتر SAR در ایستگاه درو دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین تر مدل عصبی موجک نیز مشهود بود. با توجه به کارایی بالای شبکه عصبی موجکی در پیش بینی پارامترهای کیفی آب رودخانه ها میتوان از این مدل جهت اتخاذ تصمیمات مدیریتی و حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.