یک مدل شبکه عصبی مصنوعی برای بررسی اثرات فضولات مرغ بر روی آب

عنوان فارسی مقاله: یک مدل شبکه عصبی مصنوعی برای بررسی اثرات فضولات مرغ بر روی آب زیر زمینی

چکیده

در مناطقی که صنایع گوشتی در آن قرار دارد ، کود مرغی از مناطق پرورش مرغ می تواند منبع اصلی آلودگی آب زیرزمینی باشد و این ممکن است تأثیرات گسترده ای داشته باشد به ویژه هنگامی که مزارع از آب زیرزمینی مجاور به عنوان منبع آب شیرین خود استفاده می کنند. بنابراین پیش بینی میزان آلودگی ، چه از مدل سازی دقیق ریاضی و چه از منظر ارزیابی داده های تجربی ، دارای اهمیت است. در این کار ، مدل سازی اثرات کود مرغ بر روی آب زیرزمینی توسط شبکه های عصبی مصنوعی بررسی شده است. یک مدل ANN برای پیش بینی کل فرم کل موجود در چاه آب زیرزمینی در مزارع مرغ تهیه شد(اثرات فضولات مرغ برروی آب زیرزمینی). الگوریتم انتشار مجدد برای آموزش و آزمایش شبکه بکار رفته و از الگوریتم Levenberg-Marquardt برای بهینه سازی استفاده شده است. از محیط MATLAB 7.0 با جعبه ابزار شبکه عصبی برای کدگذاری استفاده شد. با توجه به پارامترهای ورودی مرتبط مانند تعداد مرغ ، نوع مدیریت کود و عمق چاه ، مدل میزان احتمالی کل فرم کل موجود در چاه ها را به میزان قابل قبولی تخمین می زند. بنابراین پیش بینی می شود در آینده برای ارزیابی میزان آلودگی آب زیرزمینی ناشی از مزارع مرغ کمک شایانی کند(اثرات فضولات مرغ برروی آب زیرزمینی).

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

TITLE: An artificial neural network model for the effects of chicken manure on ground water

Abstract

In the areas where broiler industry is located, poultry manure from chicken farms could be a major source of ground water pollution, and this may have extensive effects particularly when the farms use nearby ground water as their fresh water supply. Therefore the prediction the extent of this pollution, either from rigorous mathematical diffusion modeling or from the perspective of experimental data evaluation bears importance. In this work, we have investigated modeling of the effects of chicken manure on ground water by artificial neural networks. An ANN model was developed to predict the total coliform in the ground water well in poultry farms. The back-propagation algorithm was employed for training and testing the network, and the Levenberg–Marquardt algorithm was utilized for optimization. The MATLAB 7.0 environment with Neural Network Toolbox was used for coding. Given the associated input parameters such as the number of chickens, type of manure pool management and depth of well, the model estimates the possible amount of total coliform in the wells to a satisfactory degree. Therefore it is expected to be of help in future for estimating the ground water pollution resulting from chicken farms.