Skip to main content
فهرست مقالات

پیش‌بینی مکانی غلظت فلوئورید با استفاده از مدل‌های شبکه‌های عصبی مصنوعی و زمین آمار مقاله

نویسنده مسئول:

نویسنده:

علمی-پژوهشی (وزارت علوم)/ISC (17 صفحه - از 129 تا 145)

چکیده:

در چند دهة اخیر محققین به ناهنجاری‌های شیمیایی موجود در آب، خاک و هوا که سلامتی انسانها را تهدید می‌کنند، توجه خاصی داشته‌اند. از این میان غلظت بیش از حد استاندارد (5/1 میلی‌گرم بر لیتر) فلوئورید در آب‌های شرب به دلیل تأثیر مستقیم روی فیزیولوژی بدن انسان، اهمیت بالایی دارد. در منابع آبی دشت‌های بازرگان و پلدشت غلظت فلوئورید بیش از حد استاندارد جهانی (WHO) است. هدف این تحقیق تعیین تغییرات مکانی مقادیر فلوئورید در این دشتها می‌باشد. بدین منظور از مدل شبکه‌های عصبی مصنوعی به عنوان مدلی غیرخطی استفاده گردید. ساختارهای مختلفی از مدل مذکور ارزیابی و بهترین ساختار برای پیش‌بینی مکانی غلظت فلوئورید در منطقه، ساختار ‌FNN-BFG تشخیص داده شد. مدلسازی مکانی با این ساختار با استفاده از اندازه‌گیری غلظت یون فلوئورید و یون‌های همبسته با آن و مختصات محل هر نمونه صورت گرفت، ضرایب تعیین برابر9625/0 و 9019/0 به ترتیب برای مرحلة آموزش و مرحلة آزمایش به‌دست آمد. به منظور مقایسة نتایج حاصل از ساختار فوق‌الذکر با روش زمین‌آمار، دو شیوۀ کریجینگ و کوکریجینگ نیز بررسی شدند که به ترتیب ضریب تعیین معادل 7285/0 و 8556/0برای مرحلة آزمایش به‌دست آمد. از میان سه مدل بررسی شده دقیق‌ترین تخمین غلظت فلوئورید از مدل شبکۀ‌ عصبی مصنوعی با ساختار انتخاب شده حاصل گردید.

In the last decades, researchers had high consideration on the presence of chemical anomalies in water, soil and air which threat human health. Anomalies in fluoride concentration values exceeding standard limit (>1.5 mg/l) in drinking water have high importance, because of direct influence on physiology of human body. Fluoride concentration values of water resources in Bazargan and poldasht plains exceed standard limit (WHO). The aim of this research is spatial prediction of fluoride concentration in these plains. For this purpose Artificial Neural Networks (ANNs) model was utilized as a nonlinear model. For spatial prediction of fluoride concentration in the study area, different structures of these models were tested and the best structure (FNN-BFG) was determined. Spatial modeling was carried out by this structure and using fluoride ion concentration, correlated ions values and position of each sample, for which the determination coefficients of training and test steps were equal to 0.9625 and 0.9019 respectively. Then, results of the model were compared to those of the geostatistical methods of kriging and cokriging and the determination coefficients for test steps were 0.7285 and 0.8556, respectively. The best results of the three developed models were related to ANNs models.

کلیدواژه ها:

شبکه‌های عصبی مصنوعی ، دشت‌های بازرگان و پلدشت ، زمین‌آمار ، پیش‌بینی مکانی ، فلوئورید


برای مشاهده محتوای مقاله لازم است ورود پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.

لمشاهدة محتوی المقال یلزم الدخول إلی دخول الموقع.
إن كنت لا تقدر علی شراء الاشتراك عبرPayPal أو بطاقة VISA، الرجاء ارسال رقم هاتفك المحمول إلی مدير الموقع عبر credit@noormags.ir.

You should become a Sign in to be able to see articles.
If you fail to purchase subscription via PayPal or VISA Card, please send your mobile number to the Website Administrator via credit@noormags.ir.