مقاله مدل سازی تخمین غلظت رسوبات معلق رودخانه ای با استفاده از سنجش از دور و شبکه عصبی مصنوعی

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

  مقاله مدل سازی تخمین غلظت رسوبات معلق رودخانه ای با استفاده از سنجش از دور و شبکه عصبی مصنوعی دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدل سازی تخمین غلظت رسوبات معلق رودخانه ای با استفاده از سنجش از دور و شبکه عصبی مصنوعی  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 مدل سازی تخمین غلظت رسوبات معلق رودخانه ای با استفاده از سنجش از دور و شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدل سازی تخمین غلظت رسوبات معلق رودخانه ای با استفاده از سنجش از دور و شبکه عصبی مصنوعی :

تعداد صفحات:۲۲
چکیده:
روش های فعلی اندازه گیری غلظت رسوبات معلق در ایستگاه های هیدرومتری اغلب به روش های مستقیم وسنتی است که در اغلب موارد زمان بر و پر هزینه بوده و در حالیکه در پاره ای از مواقع با خطاهای انسانی تواممی باشد غالبا در مقیاس زمانی و مکانی به صورت ناپیوسته محاسبه و ثبت می گردند. در این راستا، استفاده ازانعکاس طیفی داده های ماهواره ای خصوصا تصاویر سنجنده مادیس به دلیل در دسترس بودن و تصویر برداریروزانه می تواند ابزار مناسبی جهت برآورد غلظت رسوبات معلق رودخانه ای به صورت پیوسته باشد. در اینتحقیق، همبستگی میان بازتاب طیفی باندهای تصاویر سنجنده مادیس (باندهای قرمز و مادون قرمز، هر یک بهتنهائی و همچنین نسبت باندی بین آن ها) با غلظت رسوبات معلق رودخانه ای در یک دوره زمانی ۹ ساله (سالهای ۱۳۸۲ تا ۱۳۹۰ ) و برای فصل مرطوب مورد بررسی قرار گرفته است. در تخمین غلظت رسوبات معلقرودخانه ای، کارائی شبکه عصبی مصنوعی (از نوع پیشخور با الگوریتم پس انتشار خطا)، با داشتن یک لایهمخفی ۱۳ نورونی و استفاده همزمان از باندهای قرمز و مادون قرمز بهتر از روش های رگرسیونی بوده است (میلی گرم بر لیتر R(2)=0/73, RMSE=120). دراین رابطه، مناسبت ترین مدل رگرسیونی محاسبه شده از نوع خطی و با استفاده از باند قرمز می باشد (میلی گرم بر لیتر R(2)=0/5, RMSE=204). نتایج تحقیق نشان می دهد که شبکه های عصبی مصنوعی به همراه تصاویر روزانه مادیس می توانند ابزار مناسبی در تخمین و پایش غلظت رسوبات معلق روزانه در رودخانه های بزرگ باشند.