ایران پروژه ایران پایانامه

مقاله Fuzzy cدرmean (FCM) clustering and Genetic Algorithm capability in predicting saturated hydraulic conductivity در pdf دارای 5 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله Fuzzy cدرmean (FCM) clustering and Genetic Algorithm capability in predicting saturated hydraulic conductivity در pdf کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

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 مقاله Fuzzy cدرmean (FCM) clustering and Genetic Algorithm capability in predicting saturated hydraulic conductivity در pdf ،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله Fuzzy cدرmean (FCM) clustering and Genetic Algorithm capability in predicting saturated hydraulic conductivity در pdf :

سال انتشار: 1393
محل انتشار: سومین کنفرانس الکترونیکی بین المللی فناوری اطلاعات، حال و آینده
تعداد صفحات: 5
نویسنده(ها):
Benyamin Taraghi – M.A. student of business management Islamic Azad University Neyshabour, Iran
Vahid Reza jalali – Associate professor of soil science Shahid Bahonar University of Kerman Kerman, Iran

چکیده:

Soil saturated hydraulic conductivity (Ks) is one ofthe key parameters as a main input for many water transportmodels in environmental studies. Direct measuring of thisparameter is laborious, time consuming and expensive. Soindirect prediction techniques such as Fuzzy c-mean (FCM)clustering and Genetic Algorithm was used to predict Ksparameter from other easily available metadata. FCM algorithmwas used to cluster data, after that a Fuzzy Inference Systemhad been generated based on this clusters by 12 rules, 6 numbersof inputs and saturated hydraulic conductivity as output. TheFIS was trained by seventy percent of database using GeneticAlgorithm. Based on statistical indexes (Pearson correlationcoefficient, Maximum Error, Root Mean Square Error,Modeling Efficiency and Coefficient of Determination), resultsshowed that in most cases, estimated Ks was close to themeasured Ks. Therefore, the use of FCM and GA techniques forestimating Ks is recommended.

کلمات کلیدی :