دانش رسان |
مرکز علم و دانش کشور مقاله مقایسه روشهای هوش مصنوعی و رگرسیون چند‌متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله مقایسه روشهای هوش مصنوعی و رگرسیون چند‌متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله مقایسه روشهای هوش مصنوعی و رگرسیون چند‌متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان 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 مقایسه روشهای هوش مصنوعی و رگرسیون چند‌متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله مقایسه روشهای هوش مصنوعی و رگرسیون چند‌متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان :
تعداد صفحات :۱۸
به‌منظور واسنجی دادههای دستگاه القاگر الکترومغناطیس از روشهای مختلفی استفاده میشود. سؤال پیش رو این است که کدام یک از تکنیکها قابلیت بیشتری برای برآورد غیرمستقیم دادههای شوری خاک دارند. برای پاسخ به این پرسش، در پژوهش حاضر، از ۶۰۰ نمونه خاک جمعآوریشده از منطقه اردکان برای واسنجی دادههای هدایت الکتریکی ظاهری خاک با استفاده از روشهای رگرسیونی و هوش مصنوعی بهره گرفته شد. در این راستا، دادهها به دو سری شامل سری آموزشی (۸۰درصد دادهها) و سری ارزیابی (۲۰درصد دادهها) تقسیم شد. به‌منظور مدلسازی و برآورد شوری، از مدلهای نروفازی، شبکه عصبی مصنوعی، الگوریتم ژنتیک و رگرسیون چند‌متغیره استفاده شد. نتایج ارزیابی مدلها بر‌اساس شاخصهای ریشه مربعات خطا، میانگین خطا و ضریب تبیین نشان داد مدل نروفازی بالاترین دقت در برآورد شوری خاک در چهار عمق را دارد. بهطوریکه این مدل به میزان ۹، ۹، ۵ و ۲ درصد دقت برآورد شوری را به‌ترتیب در اعماق ۱۵، ۳۰، ۶۰ و ۱۰۰ سانتیمتری نسبت به روش رگرسیون خطی چندگانه افزایش داده است. با توجه به عدم قطعیت در پدیدههای مرتبط با خاک یا تقریبی‌بودن مقادیر اندازهگیریشده خصوصیات مختلف خاک، به‌نظر میرسد کارایی بالاتر مدل مبتنی بر مجموعههای فازی در پردازش توابع انتقالی خاک به همین علت باشد. بعد از این مدل، الگوریتم ژنتیک و شبکههای عصبی مصنوعی نسبت به معادلات رگرسیونی کارایی بهتر داشته است. در‌مجموع، نتایج نشان داد روشهای هوش مصنوعی کارایی بالاتری نسبت به روشهای رگرسیونی برای واسنجی دستگاه القاگر الکترومغناطیس دارد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
