پیام رسان بله
جستجو
The use of Artificial Neural Networks For Modeling of Removal of Heavy Metals From Water through Phytoremediation
Fereshte Nazemi Harandi1 Fahime Nourabi2
Abstract :
Heavy metals are one of the environmental pollutants and human s contact with some of them can cause chronic and sometimes acute poisoning. Among the methods used to clean up contaminated sites, phytoremediation is considered as a cost-effective and biocompatible option. Phytoremediation refers to a group of technologies that use plants to reduce, remove, analyze and consolidate environmental toxins. The modeling of phytoremediation processes can be used as a safe tool to save the economy and avoid repeated testing. Among the methods of modeling, artificial neural network is accurate and widely used in biotechnological processes. Results of the study showed that correlation coefficient reached 1 indicating that there is a good match between actual values and those predicted by modeling. From a total of 30 data, two-thirds of data was used to train a network and the remaining third was used to assess the modeling accuracy. The middle transition function purelin, output transfer function tansig and the number of neurons (five) were determined as the best parameters to train the network. The error rate of network training was estimated to be 0.0511 and error evaluation of the network accuracy was found to be 0.763.
Keywords : phytoremediation heavy metals modeling artificial neural networks regression
زبان مقاله : انگلیسی
محور مقاله : چهارمین کنفرانس پژوهش در علوم و مهندسی / علوم مهندسی
محل انتشار : چهارمین کنفرانس بین المللی پژوهش در علوم و مهندسی و کنگره بین المللی عمران، معماری و شهرسازی آسیا
آدرس وب سایت کنفرانس : 4icrsie.com
کد IOI مقاله : XAGA-DAKFD
لینک مستقیم مقاله : https://isnac.ir/XAGA-DAKFD
سایر مقالات محل انتشار
- اهمیت روش های صوری در مهندسی کامپیوتر و تحلیل مسأله ربات آتش نشان با استفاده از منطق شناختی
- بررسی اثرپذیری مقاومت برشی خاک ماسه ای توسط الیاف شیشه ای
- Application of Convolution and Auto-Encoder Neural-Networks in Medical-Equipment and Soft-Sensors Based on Deep-Learning Approach
- نگاهی به تغیراتی سبکی ادبیات معاصر با محوریت ادبیات داستانی
- تحلیل و ارزیابی روش های آسیب پذیری کیفی آب های زیرزمینی
- Study of adding piles to the nailing system as a retaining structure
- واکاوی مفهوم نظری پدیده خرابکاری اجتماعی و ارائه راهکارهای عملی جهت کاستن و جلوگیری از آن
- زمینه گرایی، راهکاری در راستای تقویت و ارتقاء توسعۀ پایدار شهری در ساخت و سازهای امروز
- The use of Artificial Neural Networks For Modeling of Removal of Heavy Metals From Water through Phytoremediation
- قرارداد هوشمند اتریوم (مورد مطالعه : حقوق ایران)
- بررسی رفتار و پایداری دیواره گود تسلیح شده با استفاده از روش میخکوبی تحت اثر انفجار و تشدید در لایه خاک رسی (مطالعه موردی:مجتمع تجاری ـ اداری دوستان شیراز)
- بررسی تنش گود تسلیح شده با استفاده از روش نیلینگ تحت اثر انفجار و تشدید در لایه خاک رسی (مطالعه موردی:مجتمع تجاری _ اداری دوستان شیراز)
- Investigation of Plasma C-peptide level in Prostate Cancer
- اصول کنترل سیما و منظر و نظم بصری در شهرسازی مبتنی بر حمل و نقل همگانی
- بهبود الگوریتم دسته جمعی کلاغ با استفاده از عملگرهای زادآوری