به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "روش ترکیبی" در نشریات گروه "زمین شناسی"

تکرار جستجوی کلیدواژه «روش ترکیبی» در نشریات گروه «علوم پایه»
جستجوی روش ترکیبی در مقالات مجلات علمی
  • عطا الله ندیری*، زینب عبداللهی، اسفندیار عباس نوین پور، زهرا صدقی، سینا صادق فام

    زیرحوضه اهر یکی از مناطق فعال در زمینه کشاورزی و دامپروری است که توسعه فعالیت های کشاورزی و دامی در این منطقه، موجب استفاده مازاد از کودهای شیمیایی و حیوانی گردیده است. همچنین به د لیل وجود معدن مس مزرعه در بخش شمالی منطقه و نزدیکی انباشت مواد باطله معدن و امکان نفوذ مواد شیمیایی به اراضی کشاورزی، احتمال انتقال آلاینده ها و آلوده شدن اراضی دشت اهر وجود دارد. لذا در این پژوهش، آسیب پذیری منابع آب زیرزمینی زیرحوضه اهر مورد بررسی قرار گرفته است تا با شناسایی مناطق آسیب پذیرتر از آلوده شدن بیش تر این منابع جلوگیری گردد. در جهت دستیابی به این مهم، از سه چهارچوب عملی DRASTIC، SINTACS و GODS  استفاده شد. در ادامه برای بهره مندی همزمان از مزایای هر سه چهارچوب، دو روش ترکیب غیرنظارت شده و نظارت شده به کار گرفته شد و همچنین برای صحت سنجی نتایج به دست آمده، از داده های غلظت نیترات و ضریب همبستگی آن با شاخص آسیب پذیری استفاده شد. نتایج گویاست که ترکیب نظارت شده (مدل ANN) با داشتن بالاترین r و بیشترین ضریب همبستگی (CI) نسبت به روش و چهارچوب های مورد استفاده کارایی بهتری داشته که نشان از برتری روش ترکیب نظارت شده در مقایسه با روش میانگین گیری وزنی (غیر نظارت شده) است.

    کلید واژگان: آسیب پذیری, زیرحوضه اهر, روش ترکیبی, شبکه عصبی مصنوعی(ANN), چهارچوب عملی
    Ata Allah Nadiri *, Zeynab Abdollahi, Esfandiar Abbas Novinpour, Zahra Sedghi, Sina Sadeghfam

    Ahar aquifer is one of the most active agricultural and livestock areas. The development of these activities has led to an increase in the use of chemical and natural fertilizers. Therefore, in this research, groundwater vulnerability in Ahar aquifer has been investigated using three frameworks; DRASTIC, SINTACS and GODS to identify vulnerable areas and prevent groundwater resources from more contamination. To use the simultaneous advantage of all three frameworks, two unsupervised and supervised combination techniques were applied to combine them. Invalidation step, nitrate concentration data and its correlation coefficient with the vulnerability index were used. The results show that the artificial neural networks (ANNs) model has better performance with a better determination coefficient (R2) and correlation coefficient (CI) than other techniques. Therefore, the supervised method has a higher ability than the weighted averaging method and can be used to determine the vulnerability of other areas.

    Keywords: Vulnerability, Ahar sub-basin, Combined method, Artificial Neural Network (ANN)
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال