قابلیت شبکه های عصبی مصنوعی در شبیه سازی توزیع آلاینده ها در آبخوان آبرفتی دشت میاندربند کرمانشاه
دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
بررسی قابلیت شبکه عصبی مصنوعی در تخمین توزیع فشار در سدهای خاکی (مطالعه موردی: سد خاکی ملاصدرا)
در این پژوهش از روش شبکه عصبی مصنوعی برای تخمین توزیع فشار در سد خاکی ملاصدرا استفاده گردید. برای پیدا کردن پارامترهای موثر در شبکه عصبی مصنوعی از آنالیز حساسیت استفاده گردید. بر اساس نتایج آنالیز حساسیت، ارتفاع کل آب و فاصله ی پیزومتر مورد مطالعه تا پای سد بیشترین تاثیر را بر تخ
مدل سازی آبخوان آبرفتی دشت فسا به کمک شبکه های عصبی جهت پیش بینی سطح ایستابی
مهمترین منبع آب در دسترس برای کشاورزی در دشت فسا آب های زیرزمینی موجود می باشد. سطح ایستابی در این دشت افت چشمگیری داشته ( به طور میانگین 12 متر افت در بازه زمانی 16 ساله) که نشانگر برداشت بی-رویه از آبخوان می باشد. بدین جهت مدیریت آبخوان آبرفتی فسا بطور جدی باید مورد توجه قرار گ
برآورد سطح آب زیرزمینی آبخوان دشت بیرجند با استفاده از مدل modflow و شبکه عصبی مصنوعی
آبهای زیرزمینی همواره به عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بوده است. دشت بیرجند با قرار گرفتن در منطقه خشک، از آب های زیرزمینی به عنوان تنهاترین منبع تولید آب شیرین استفاده می کند. در همین زمینه پیش بینی نوسانات سطح آب زیرزم
مدلسازی و بهینه سازی مشخصه های کارکرد و آلاینده های خروجی موتور دیزل پاشش مستقیم با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
قیمت های در حال رشد انرژی، کمبود منابع انرژی و قوانین سخت گیرانه زیست محیطی کمپانی های خودرو را به ارائه روش های جدید جهت کاهش آلاینده ها و افزایش کارایی موتور وادار کرده است. این پژوهش امکان استفاده از شبکه عصبی مصنوعی ترکیب شده با الگوریتم ژنتیک را برای بهینه سازی تنظیمات موتور
مدل سازی و پیش بینی منابع آب زیرزمینی دشت میداوود-دالون توسط شبکه عصبی مصنوعی و مقایسه آن با مدل تفاضلات محدود
مدل سازی و شماتیک کردن هر پدیده یا سیستم باعث تسلط بیشتر بر آن سیستم یا پدیده جهت درک بهتر روابط بین اجزا و شناخت رفتار آن در شرایط و زمان های مختلف می شود. برخی از عوامل مانند پارامترهای هواشناسی و هیدرولوژی و هیدروژئولوژی به طور مستقیم یا غیر مستقیم بر تغذیه و تخلیه سیستم آب ها
شناسایی همزمان پارامتر های هدایت هیدرولیکی وضریب ذخیره آبخوان ناهمگن با استفاده از مدل تفاضلات محدود و شبکه عصبی مصنوعی(مطالعه موردی دشت اوان)
یکی از چالش های مهم در مدل سازی وجود مقادیر کافی پارامترهای مورد استفاده است که برای مشخص کردن خواص فیزیکی و شیمیایی آبخوان به کار می رود.این پارامترها را می توان از آزمون پمپاژ و مطالعات ژئوفیزیک به دست آورد ولی مقادیر به دست آمده از این روش فقط مربوط به بخش هایی است که درآنجا
اسناد مشابه
ارزیابی عملکرد روشهای زمین‌آمار و شبکه عصبی مصنوعی در تخمین پارامترهای کیفی آبخوان (مطالعه موردی: دشت قروه- دهگلان)
انتخاب تکنیک درون‌یابی بهینه جهت تخمین پارامترهای کیفی آبخوان در نقاط اندازه‌گیری نشده نقش مهمی در مدیریت کمی و کیفی منابع آب ایفا می‌کند. هدف اصلی این تحقیق ارزیابی دقت روشهای درون‌یابی متداول با استفاده از GIS و مدل شبکه عصبی مصنوعی میباشد. بدین‌منظور تخمین سه پارامتر کیفی CL
شبیه سازی تغییرات کیفی آب زیرزمینی با مدل شبکة عصبی مصنوعی (مطالعة موردی: آبخوان کاشان)
مجاورت آبخوان کاشان با جبهة آب شور دریاچة نمک به پیشروی آب شور به داخل آبخوان منجر شده است. در این پژوهش، با توجه به وضعیت موجود، شبیهسازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکة عصبی مصنوعی انجام شد. بدین منظور، نخست به تعیین تیپ غالب آب منطقه پرداخته شد. سپس، اقد
بررسی قابلیت های مدل شبکه عصبی مصنوعی در شبیه سازی توسعه شهری با کاربرد نمایه های عامل نسبی و بوم شناختی سیمای سرزمین (مطالعه موردی: شهر ساحلی هشتپر)
شهرنشینی یکی از مهمترین تغییرات جهانی است. رشد سریع شهرهای دنیا فشارهای سنگینی بر سرزمین و منابعاطراف آن وارد کرده است. از آنجا که توسعه فضاهای شهری در آینده امری است اجتناب ناپذیر، لزوم درک صحیح از این روند به منظور حفاظت از محیط زیست شهری ضروری است.شبکه های عصبی ابزاری قدرتمند
شبیه سازی سفره آب زیرزمینی دشت مهیار با شبکه عصبی مصنوعی و سیستم اطلاعات جغرافیایی تحت سناریوهای مختلف
دشت مهیار در اصفهان از جمله دشتهایی است که با بحران آب مواجه شده است. در چنین وضعیتی توجه به ظرفیت منابع و مدیریت صحیح، ابزاری مورد نیاز برای عبور از این شرایط میباشد. در این راستا، با استفاده از شبکه عصبی مصنوعی، آمار سطح آب زیرزمینی و الگوی کشت دشت، سه سناریوی کاربری اراضی ت
شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، الگوریتم بهینه سازی ذرات و مدل seawat (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)
سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران می باشد. بنابراین مطالعه و پایش این عامل در زمین های تحت کشت نیشکر، امری لازم و ضروری می باشد. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعدد زیاد مزرعه ها، مطالعه و پایش این عوامل در هر مزرعه
بررسی عملکرد الگوریتم هیبریدی کرم شب تاب و شبکه عصبی مصنوعی در شبیه سازی مقادیر تبخیر روزانه
شبیه سازی فرایند تبخیر امری بسیار مهم در برنامه ریزی و مدیریت منابع آب می باشد و به دلیل پیچیدگی فرایند تبخیر، تعیین دقیق این پارامترهای آن مستلزم استفاده از روشهای دقیقی است که با دقت قابل قبولی بتواند این فرایند را شبیه سازی کند. با استفاده از روش هیبریدی شبیه سازی و بهینه سازی