تحقیق رایگان درمورد استان اصفهان، شبکه عصبی، شبکه عصبی مصنوعی، آبهای زیرزمینی

تحقیق رایگان درمورد استان اصفهان، شبکه عصبی، شبکه عصبی مصنوعی، آبهای زیرزمینی

تحقیق رایگان درمورد استان اصفهان، شبکه عصبی، شبکه عصبی مصنوعی، آبهای زیرزمینی

تولید آنها، قطع بی‌رویه درختان و پوشش گیاهی، عدم رعایت اصول صحیح کشاورزی، تبدیل مراتع به دیم‌زارهای کم بازده و غیره سبب شستشو و تخریب خاک در مناطق مختلف استان گردیده است. به کارگیری شیوه‌های نادرست آبیاری، کاربرد کودهای شیمیایی و علف‌کشها و سموم دفع آفات نباتی از یک سو باعث تخریب بافت کلوئیدی خاک شده و از سویی عمل فرسایش خاک و تشدید آن گردیده است.
۳-۱-۱۲ تنوع زیستی استان اصفهان
تنوع زیستی از جمله ناشناخته‌ترین منابع محیطی است که در حیات طبیعت نقش ویژه‌ای دارد. در این ارتباط نتایج بررسی‌ها نشان‌ می‌دهد استان اصفهان به لحاظ موقعیت خاص جغرافیایی و طبیعی از جمله مناطقی است که ظرفیت ژنتیکی قابل توجهی را با توجه به زیست‌بومهای گوناگون داراست. متأسفانه فعالیت‌های کشاورزی صنعتی و ازدیاد روزافزون جمعیت، بهره‌برداریهای بی‌رویه از جنگل‌ها و مراتع و زیست‌بومهای گیاهی و جانوری و نیز به کارگیری مواد آلاینده به ویژه آلاینده‌های آب و خاک، اثرات نامطلوبی را بر تنوع مزبور گذاشته به گونه‌ای که سبب انقراض بسیاری از گونه‌ها گردیده است. در این ارتباط طی سالهای اخیر با اتخاذ سیاستهای حفاظتی، اقدامات مؤثری در جهت بهبود سطح ژن، گونه و وضعیت زیست‌بومهای طبیعی انجام گرفته است.
در استان اصفهان در حال حاضر ۶ منطقه با نامهای پارک ملی کلاه قاضی، پناهگاه حیات وحش موته، پناهگاه حیات وحش قمیشلو، مناطق شکار ممنوع کرکس، حنا، کهیاز وجود دارد که سطحی در حدود ۵۸۰ هزار هکتار از مساحت استان را پوشانده است و تحت نظارت اداره کل حفاظت محیط زیست استان اصفهان حفاظت می‌شود.
۳-۱-۱۳ نقشه های منطقه و حوزه مورد مطالعه
شکل (۳-۶) نقشه موقعیت استان به انضمام محدودههای مطالعاتی حوزه آبریز اصفهان
شکل (۳-۷) نقشه موقعیت شهرستانهای استان اصفهان
شکل (۳-۸) نقشه موقعیت محدوده مطالعاتی آب منطقهای استان اصفهان
شکل (۳-۹) نقشه موقعیت قرارگیری ۱۷۵ حلقه چاه مورد مطالعه (بخش الف)
شکل (۳-۱۰) نقشه موقعیت قرارگیری ۳۰۰ حلقه چاه مورد مطالعه (بخش ب)
۳-۲ انتخاب داده‌های پایه‌ای
برای انجام این تحقیق و بررسی و شبیه‌سازی مقدار نیترات در آبهای زیرزمینی استان اصفهان به مجموعه آمار کیفی منابع آب ثبت شده توسط معاونت مطالعات منابع آب شرکت سهامی آب منطقه‌ای استان اصفهان حدفاصل سال‌های ۱۳۷۴ تا ۱۳۸۷ رجوع گردید و به علت عدم اندازه‌گیری مستمر این پارامتر تا قبل از سال ۱۳۸۶، از داده‌های مربوط به طرح تحقیقاتی اندازه‌گیری نیترات در آبهای زیرزمینی استان، اجرایی در سال ۱۳۷۹ و ۱۳۸۰ استفاده شده (بخش الف) و با مقادیر اندازه‌گیری شده در سالهای ۱۳۸۶ و ۱۳۸۷ (بخش ب) تلفیق گردید.
۳-۲-۱ تعداد چاه‌های انتخاب شده
در بخش (الف)، از داده‌های تعداد ۱۷۵ حلقه چاه که توزیع آنها در مناطق مختلف به صورت ذیل است استفاده گردیده است.
– منطقه نجف آباد : ۲۹ حلقه چاه (چاههای شماره ۱ تا ۲۹)
– منطقه شهرضا : ۱۳ حلقه چاه (چاههای شماره ۳۰ تا ۴۲)
– منطقه شمال شهراصفهان تانطنزوکاشان: ۳۳ حلقه چاه(چاههای شماره ۴۳تا۷۵)
– منطقه اطراف رودخانه زاینده رود : ۱۰۰ حلقه چاه (چاههای شماره ۷۶تا۱۷۵)
در جدول (۲) پیوست، موقعیت (طول وعرض جغرافیایی) چاه‌های مورد نمونه‌برداری به همراه پارامترهای کیفی اندازه‌گیری شده، آمده است.
در بخش (ب)، از داده‌های تعداد ۳۰۰ حلقه چاه در سطح استان مربوط به سال‌های ۱۳۸۶ و ۱۳۸۷ استفاده شده که مشخصات آنها در جدول (۳) پیوست آمده است.
۳-۲-۲ زمان نمونه برداری
در بخش (الف) نمونه‌برداری از چاه‌ها از ابتدای دی ماه سال ۱۳۷۹ آغاز شده و در ۵ مرحله با فواصل زمانی یک ماهه تا اردیبهشت‌ماه سال ۱۳۸۰ ادامه یافته است.
در بخش (ب) نمونه‌برداری از چاه‌ها به صورت حداکثر فصلی و حداقل یک بار در سال صورت گرفته شده است.
۳-۲-۳ تجزیه‌های شیمیایی
نمونه‌های آب چاه پس از انتقال به آزمایشگاه طبق روش‌های استاندارد آزمایشگاهی مورد آزمایش قرار گرفته شده و علاوه بر اندازه‌گیری نیترات که پارامتر اصلی بوده مقادیر سدیم, پتاسیم, کلسیم, منیزیم, سولفات, کلر, بی‌کربنات، PH, هدایت الکتریکی، نسبت جذبی سدیم و سختی کل در آنها با استفاده از دستگاه‌ها و روش‌های زیر اندازه‌گیری شده است.
اندازه‌گیری نیترات : یون نیترات توسط الکترود انتخابگر یونی۱۳۴ جنوی۱۳۵ مدل۳۳۱۰ اندازه‌گیری شده است. در این دستگاه اختلاف بین دو طرف غشاء الکترود نیترات در مقایسه با اختلاف پتانسیل یک الکترود مرجع اندازه‌گیری شده است. در حقیقت دستگاه فعالیت یون نیترات را اندازه‌گیری کرده است. این الکترود قادر به ‌اندازه‌گیری یون نیترات در دامنه ۶-۱۰×۷ تا ۱ مولار (۴۳/۰ تا ۱۰۴×۲/۶ میلی‌گرم بر لیتر نیترات) بوده است.
باید توجه شود که این در صورتی است که یون‌های مزاحم در محلول وجود نداشته باشد. مهم‌ترین یون‌های مزاحم در مورد الکترود نیترات عبارتند از کلر, بی کربنات, استات, سولفات و فلوراید که در بین این یون‌ها، یون کلر و بی‌کربنات مزاحمت بیشتری ایجاد کرده‌اند. علی‌رغم مشکلات مربوط به مزاحمت یون‌ها، روش اندازه‌گیری نیترات به کمک الکترود نسبت به سایر روش‌ها به خاطر دقت بالاتر و صرفه‌جویی در زمان و هزینه برتری دارد [۱۲۶ و ۱۵۰].
اندازه‌گیری هدایت الکتریکی : هدایت الکتریکی نمونه‌های آب چاه توسط دستگاه هدایت سنج مدل ۶۴۴ متر- اهم انجام شده است [۱۰۰].
اندازه‌گیری کلسیم و منیزیم : مقدار کاتیون‌های کلسیم و منیزیم در نمونه‌ها توسط تیتراسیون با محلول ۰۱/۰ نرمال ورسین اندازه‌گیری شده است [۱۰۰].
اندازه‌گیری سدیم و پتاسیم : مقدار کاتیون‌های سدیم و پتاسیم در نمونه‌های آب چاه توسط دستگاه فلیم فتومتر کورنینگ مدل ۴۱۰ اندازه‌گیری شده است [۱۰۰].
اندازه‌گیری کلر : اندازه‌گیری آنیون کلر بوسیله تیتراسیون با محلول ۰۲۵/۰ نرمال نیترات نقره و در حضور بی‌کرمات پتاسیم انجام گردیده است [۱۰۰ و ۱۵۰].
اندازه‌گیری بی‌کربنات : آنیون بی‌کربنات موجود در نمونه‌های آب چاه به روش تیتراسیون با محلول ۰۵/۰ نرمال اسید سولفوریک در حضور معرف متیل اورانژ اندازه‌گیری گردیده است [۱۰۰].
اندازه‌گیری سولفات : مقدار یون سولفات در نمونه ها به روش کدورت سنجی و به کمک دستگاه اسپکترونیک بوش و لامب مدل ۲۰ اندازه‌گیری شده است [۱۰۰ و ۱۵۰].
اندازه‌گیری PH : مقدار PH نمونه‌های آب چاه توسط دستگاه پ- هاش سنج مدل ۶۲۰ متر- اهم اندازه‌گیری گردیده است [۱۰۰].
۳-۳ مراحل تهیه شبکه عصبی مصنوعی
پس از تعریف دادههای ورودی و خروجی در MATLAB می‌توان از دو طریق شبکه عصبی مصنوعی را تهیه نمود روش اول که روش ساده‌تر است استفاده از ابزار NNTool136 نرم افزار Matlab بوده که پس از تشکیل ماتریس ورودی و خروجی و تعریف شبکه مورد نظر باید چندین بار نرم‌افزار را اجرا نموده تا مناسب‌ترین شبکه، تولید و تربیت شود. (لازم به ذکر است که تعیین ساختار مناسب شبکه باید با سعی و خطا و چندین مرتبه تکرار انجام شود) و روش دوم تهیه شبکه به روش برنامه نویسی و استفاده از دستورات پیش‌فرض نرم افزار Matlab بوده که در ادامه، توضیح مراحل تهیه شبکه به این روش آورده شده است.
۳-۳-۱ انتقال دادهها از Excel به MATLAB :
پس از انجام تمام مراحل مرتب کردن و تصحیح دادهها در Excel به منظور انجام محاسبات و اجرای آزمایش، دادهها به صورت دو ماتریس جداگانه (ماتریس متغیرهای ورودی=p و ماتریس متغیرهای خروجی=t) وارد صفحه کاری MATLAB گردیده تا عملیات پردازش بر روی این دادهها صورت گیرد.
پس از متصل نمودن Excel به MATLAB، جهت انتقال دادهها به منظور پردازش آنها در MATLAB، زیر خط ابزار Excel چهار گزینه ظاهر شده که شامل موارد زیر است:
Start matlab: برای راهاندازی Matlab به کار برده شده، یعنی این گزینه باعث اتصال این دو برنامه به یکدیگر و شروع کار هماهنگ آن دو شده است.
Put matrix: این گزینه داده‌های ماتریس‌های ورودی و خروجی را وارد Matlab می‌نماید (داده‌ها به هر شکلی که در Excel بوده‌اند باید به صورت ماتریس وارد Matlab شوند).
در ابتدا دادههای مورد نظر را در Excel انتخاب کرده و سپس روی این گزینه کلیک کرده، پنجرهای ظاهر شده که میخواهد نامی برای ماتریس دادهها انتخاب شود (هر نامی که در اینجا برای ماتریس انتخاب شود در صفحه کاری Matlab نیز به همین نام فراخوانده شده است). هنگامیکه نام ماتریس انتخاب شد آن را تأیید کرده و آنگاه با تایپ این نام در صفحه کاری Matlab، کل دادههای موردنظر را بصورت یک ماتریس b×a ظاهر شده است (a: تعداد پارامترهای مستقل و b: تعداد نمونه‌های قرائت شده هستند). دادههای مربوط به متغیر خروجی (ماتریس t) نیز بصورت یک ماتریس b×c (:c تعداد متغیر وابسته بوده که در اینجا متغییر نیترات بوده و برابر ۱ بود) ظاهر گردیده است.
Get matrix: دادهها را از Matlab به Excel منتقل کرده یعنی ماتریسی را که در Matlab ساخته شده (مثلاً ماتریس A که توسط شبکه پیش‌بینی شده) توسط این گزینه وارد Excel شده است. با کلیک روی این گزینه پنجرهای ظاهر شده که نام ماتریس مورد نظر را خواسته است، پس از وارد کردن نام ماتریس و تأیید آن، داده‌هایی را که در Matlab به صورت ماتریس موجود بوده را در صفحه Excel نمایش داده شده است.
Evalstring: میتوان با این گزینه دستور و فرمول‌های لازم را در Excel برای Matlab نوشت، سپس توسط این گزینه آنرا به برنامه Matlab فرستاد [۱۳۷].
۳-۳-۲ پیش پردازش دادهها
عبارت پیش پردازش دادهها دارای مفهوم وسیعی است. این عمل شامل انتخاب متغیرهای مؤثر، انتخاب الگوهای آموزش و آزمون و نیز نرمالکردن (استاندارد کردن) الگوها بوده است. هدف از نرمال کردن، هم‌ارزش کردن تمامی عناصر موجود در یک الگو است. در نظر گرفته، شبکه عصبی مصنوعی دارای دو نورون ورودی باشد. دادههای مربوط به نرون اول در دامنه وسیعی همچون [۱۰۰۰و۰] پراکنده شدهاند. اما داده‌های مربوط به نرون دوم بنا به بعد خاص متغیر مربوطه دارای دامنه تغییرات بسیار کوچکی همچون [۲ و ۰] بوده‌اند. در صورتیکه دادهها بصورت خام به شبکه عرضه شود، شبکه تغییرات مربوط به نرون دوم را در مقایسه با نرون اول ناچیز پنداشته و میتوان گفت که اصلاً وجود نرون دوم را درک نکرده است. حال آنکه ممکن است

مطلب مرتبط :   منبع تحقیق با موضوعتکنولوژی، پراگماتیسم، آموزش و پرورش، تکنولوژی آموزشی

admin2

No category

No description. Please update your profile.

You must be logged in to post a comment