ارزیابی روش شبکه عصبی،در مکان یابی منابع آب زیرزمینی با استفاده از علم سنجش از دور و سیستم اطلاعات م

ارزیابی روش شبکه عصبی،در مکان یابی منابع آب زیرزمینی با استفاده از علم سنجش از دور و سیستم اطلاعات مکانی با word دارای 6 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی روش شبکه عصبی،در مکان یابی منابع آب زیرزمینی با استفاده از علم سنجش از دور و سیستم اطلاعات مکانی با 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 ارزیابی روش شبکه عصبی،در مکان یابی منابع آب زیرزمینی با استفاده از علم سنجش از دور و سیستم اطلاعات مکانی با word،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن ارزیابی روش شبکه عصبی،در مکان یابی منابع آب زیرزمینی با استفاده از علم سنجش از دور و سیستم اطلاعات مکانی با word :

سال انتشار : 1394

نام کنفرانس یا همایش : اولین همایش ملی محیط زیست طبیعی

تعداد صفحات : 6

چکیده مقاله:

شناسایی منابع آب زیرزمینی و تلاش برای حفظ منابع آبی یکی از اهداف بزرگ کشورها است که با مشکل کم آبی دست و پنجه نرم می کند. با توجه به مشکلات کم آبی استان گلستان این منطقه به شدت به منابع آب زیرزمینی خود وابسته است. بنا بر این منطقه قره سو به عنوان منطقه مطالعاتی انتخاب گردید. در این راستا با توسعه علم سنجش از دور و اطلاعاتی که تصاویر ماهواره ای قابل استخراج است و نکته می توان مناطقی که احتمال وجود آب زیرزمینی در نقاط بیشتر است را شناسایی نمود. در این تحقیق پس از تعریف مدل مفهومی پارامترهای تأثیرگذار در رابطه با هدف شناسایی شدند.در این راستا داده هایی همچون: نقشه شیپ، پوشش گیاهی و کاربری زمین و خاک به کار گرفته شدند که از تصاویر ماهواره ای و سازمان های مربوطه تهیه شدند.به منظور اجرای شبکه عصبی منطقه مطالعاتی به ده منطقه تست آموزش تقسیم گردید.نقشه اولیه منابع آب منطقه با استفاده از روش AHP به دست آمد که به عنوان خروجی اولیه جهت وزن دهی به شبکه عصبی معرفی گردید در ادامه با اتخاذ روش شبکه عصبی مصنوعی به هر یک از پارامترهای مذکور وزنی اختصاص داده شد، که هر یک از این اوزان بیانگر میزان تأثیرگذاری هر لایه در تعیین مناطق مستعد آب زیرزمینی می باشد در نهایت خروجی شبکه با استفاده از الگوریتم LM در شبکه عصبی با میزان خطای MSE برابر 1/45 و ضریب هم بستگی 96% به دست آمد.