دانش رسان |
مرکز علم و دانش کشور مدل شبکه عصبی مصنوعی برآورد غلظت رسوب معلق رودخانه ای به کمک تصاویر سنجنده مودیس (مطالعه موردی ایستگاه هیدرومتری ملاثانی – رودخانه کارون)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مدل شبکه عصبی مصنوعی برآورد غلظت رسوب معلق رودخانه ای به کمک تصاویر سنجنده مودیس (مطالعه موردی ایستگاه هیدرومتری ملاثانی – رودخانه کارون) دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مدل شبکه عصبی مصنوعی برآورد غلظت رسوب معلق رودخانه ای به کمک تصاویر سنجنده مودیس (مطالعه موردی ایستگاه هیدرومتری ملاثانی – رودخانه کارون) 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 مدل شبکه عصبی مصنوعی برآورد غلظت رسوب معلق رودخانه ای به کمک تصاویر سنجنده مودیس (مطالعه موردی ایستگاه هیدرومتری ملاثانی – رودخانه کارون)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مدل شبکه عصبی مصنوعی برآورد غلظت رسوب معلق رودخانه ای به کمک تصاویر سنجنده مودیس (مطالعه موردی ایستگاه هیدرومتری ملاثانی – رودخانه کارون) :
نام کنفرانس، همایش یا نشریه : آب و خاک (علوم و صنایع کشاورزی)
تعداد صفحات :۱۶
برای مطالعات کیفی و کمی منابع آب، برآورد بار رسوب معلق رودخانه ها بسیار مهم است. بار رسوب معلق بطور معمول با اندازه گیری مستقیم غلظت رسوب معلق یا با بکار گیری منحنی سنجه رسوب انجام می شود. اندازه گیری به روش مستقیم، اگر چه مطمئن ترین روش اندازه گیری غلظت رسوبات معلق بوده، با این همه، این روش، اغلب زمان بر و پر هزینه است. همچنین دقت منحنی سنجه رسوب به دلیل برآورد زیاد (در مقادیر کم رسوب رودخانه) یا برآورد کم (در مقادیر زیاد رسوب رودخانه) پائین بوده و لذا از کارائی لازم برخوردار نمی باشد. در این تحقیق، به منظور بررسی امکان تخمین غلظت رسوبات معلق رودخانه ای با استفاده از انعکاسات تصاویر ماهواره ای، همبستگی میان بازتاب طیفی باندهای تصاویر سنجنده مودیس (باند قرمز و مادون قرمز) و غلظت رسوبات معلق رودخانه کارون در ایستگاه هیدرومتری ملاثانی در یک دوره زمانی ۹ ساله (سال های ۱۳۸۲ تا ۱۳۹۰) مورد بررسی قرار گرفت. در این رابطه از دو مدل آماری (رگرسیون خطی یک متغیره) و شبکه عصبی مصنوعی (پیشخور با الگوریتم آموزش پس انتشار خطا) استفاده شد. ارزیابی مدل های رگرسیونی و شبکه عصبی مصنوعی نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین ۰.۸۹ (R2) و ریشه مربع خطا ۱۲۲ (RMSE) میلی گرم بر لیتر کارائی بیشتری در مقایسه با مدل رگرسیونی با ضریب تعیین ۰.۴۹ و ریشه مربع خطا ۲۰۴ میلی گرم بر لیتر داشته است. نتایج تحقیق نشان داد که از تصاویر سنجنده مودیس به همراه شبکه عصبی مصنوعی می توان، در تخمین و پایش غلظت رسوبات معلق روزانه رودخانه های بزرگ استفاده نمود.
کلید واژه: رودخانه کارون، سنجنده مودیس، شبکه عصبی، غلظت رسوب معلق
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
