فایل ورد (word) مقايسه عملکرد الگوريتم‌هاي شبکه عصبي مصنوعي و درختان تصميم‌گيري در پيش‌بيني تغييرات شوري آب رودخانه‌ها - مطالعه موردي : رودخانه کارون

    —         —    

ارتباط با ما     —     لیست پایان‌نامه‌ها

... دانلود ...

 فایل ورد (word) مقايسه عملکرد الگوريتم‌هاي شبکه عصبي مصنوعي و درختان تصميم‌گيري در پيش‌بيني تغييرات شوري آب رودخانه‌ها - مطالعه موردي : رودخانه کارون دارای 16 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد (word) مقايسه عملکرد الگوريتم‌هاي شبکه عصبي مصنوعي و درختان تصميم‌گيري در پيش‌بيني تغييرات شوري آب رودخانه‌ها - مطالعه موردي : رودخانه کارون  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي فایل ورد (word) مقايسه عملکرد الگوريتم‌هاي شبکه عصبي مصنوعي و درختان تصميم‌گيري در پيش‌بيني تغييرات شوري آب رودخانه‌ها - مطالعه موردي : رودخانه کارون،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن فایل ورد (word) مقايسه عملکرد الگوريتم‌هاي شبکه عصبي مصنوعي و درختان تصميم‌گيري در پيش‌بيني تغييرات شوري آب رودخانه‌ها - مطالعه موردي : رودخانه کارون :




نام کنفرانس یا همایش : چهارمين همايش تخصصي مهندسي محيط زيست

تعداد صفحات :16

چکیده مقاله:

رودخانه‌ها به عنوان مهمترین منابع تامین و انتقال آب مصرفی بخش‌های صنعت، کشاورزی و شهری از اهمیت خاصی برخوردار بوده و به علت اینکه از بسترها و مناطق مختلفی می‌گذرند، نوسانات کیفی زیادی دارند. اکثر مدل‌های موجود در زمینه پیش‌بینی و شبیه‌سازی شرایط موجود و آتی وضعیت کیفی رودخانه‌ها نیازمند پارامترهای ورودی بسیاری هستند که یا دسترسی به آن‌ها مشکل است و یا اینکه اندازه‌گیری آن‌ها محتاج صرف هزینه و زمان زیادی می‌باشد. در این میان ابزارهای داده‌کاوی می‌توانند با حداقل پارامترهای اندازه‌گیری شده و با دقت قابل قبولی تغییرات متغیر مورد نظر را پیش‌بینی نمایند. در این مقاله، عملکرد دو الگوریتم شبکه عصبی مصنوعی پرسپترون چند لایه و درخت تصمیم‌گیری رگرسیونی در پیش‌بینی تغییرات شوری آب رودخانه‌ کارون مورد ارزیابی قرار گرفت. داده‌های استفاده شده مربوط به ایستگاه ملاثانی در بازه سال‌های 1347 تا 1384، شامل غلظت‌های سدیم، کلسیم، منیزیم، کلر، سولفات، بی‌کربنات، pH، و دبی بعنوان پارامترهای ورودی مدل‌ها و کل مواد محلول (TDS) بعنوان پارامتر خروجی می‌باشد. مقایسه عملکرد مدل‌ها نشان داد که با وجود دقت بالاتر شبکه عصبی مصنوعی پرسپترون چند لایه در پیش‌بینی غلظت مواد محلول، خروجی درخت تصمیم‌گیری رگرسیونی که در قالب قوانینی ارائه می‌گردد، قابل تفسیر تر می‌باشد. بطور کل استفاده از چنین الگوریتم‌هایی در پیش‌بینی تغییرات شوری می‌تواند دقت تصمیم‌گیری‌های مدیریتی را تا حد بسیار بالایی بهبود بخشد

لینک کمکی