دانلود مقاله مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها – مطالعه موردی : رودخانه کارون در word

توضیحات

  مقاله مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها – مطالعه موردی : رودخانه کارون در word دارای 16 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها – مطالعه موردی : رودخانه کارون در word  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 عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها – مطالعه موردی : رودخانه کارون در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها – مطالعه موردی : رودخانه کارون در word :

تعداد صفحات:16

چکیده:

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

برای دریافت اینجا کلیک کنید