• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Data in Brief >Data on estimation for sodium absorption ratio: Using artificial neural network and multiple linear regressions
【2h】

Data on estimation for sodium absorption ratio: Using artificial neural network and multiple linear regressions

机译：钠吸收率估算数据：使用人工神经网络和多元线性回归

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article the data of the groundwater quality of Aras catchment area were investigated for estimating the sodium absorption ratio (SAR) in the years 2010–2014. The artificial neural network (ANN) is defined as a system of processor elements, called neurons, which create a network by a set of weights. In the present data article, a 3-layer MLP neural network including a hidden layer, an input layer and an output layer had been designed. The number of neurons in the input and output layers of network was considered to be 4 and 1, respectively, due to having four input variables (including: pH, sulfate, chloride and electrical conductivity (EC)) and only one output variable (sodium absorption ratio). The impact of pH, sulfate, chloride and EC were estimated to be 11.34%, 72.22%, 94% and 91%, respectively. ANN and multiple linear regression methods were used to estimate the rate of sodium absorption ratio of groundwater resources of the Aras catchment area. The data of both methods were compared with the model׳s performance evaluation criteria, namely root mean square error (RMSE), mean absolute error (%) and correlation coefficient. The data showed that ANN is a helpful and exact tool for predicting the amount SAR in groundwater resources of Aras catchment area and these results are not comparable with the results of multiple linear regressions.
机译：本文研究了阿拉斯集水区的地下水水质数据，以估计2010-2014年的钠吸收率（SAR）。人工神经网络（ANN）定义为称为神经元的处理器元素系统，它通过一组权重创建网络。在本数据文章中，已设计了包括隐藏层，输入层和输出层的三层MLP神经网络。由于具有四个输入变量（包括：pH，硫酸盐，氯化物和电导率（EC））和只有一个输出变量（钠），因此网络输入和输出层中的神经元数分别被认为是4和1。吸收率）。 pH，硫酸盐，氯化物和EC的影响估计分别为11.34％，72.22％，94％和91％。采用人工神经网络和多元线性回归方法对阿拉斯集水区地下水资源的钠吸收率进行估算。将两种方法的数据与模型的性能评估标准（均方根误差（RMSE），平均绝对误差（％）和相关系数）进行比较。数据表明，人工神经网络是预测阿拉斯集水区地下水资源SAR量的有用且精确的工具，这些结果与多元线性回归的结果不具有可比性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号