@article { author = {Razavi Rad, Fatemeh and Kohsari, Amir Hosein}, title = {Simulation ofCeriumand Lanthanuminthestream sedimentofEshtehard regionusingan Artificial NeuralNetwork}, journal = {Advanced Applied Geology}, volume = {3}, number = {3}, pages = {63-72}, year = {2013}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-7057}, eissn = {2717-0764}, doi = {}, abstract = {      Artificial Neural Network is an advanced method that is effective in estimation dynamic and nonlinear systemes. Recently the use of Artificial Neural Network and multivariate statistical methods spread in important environmental issues such as soil and surface water pollution to toxic elements that in this case can be provided a model based on a Artificial Neural Network for simulation of rare earth element. Considering the importance of Rare Earth Elements special Ce and La, this study aims to predict these elements concentration in the Eshtehard region of Iran by means of developed Artificial Neural Network (ANN). Forward Selection (FS) method was used for selecting input variables and developing hybrid models with ANN.From45 input candidates, 23 variables were selected using FS for Ce and La, respectively. Considering the correlation coefficient (R2 )values, both models (ANN and FS-ANN)are acceptable in prediction of Ce and La concentration. However, FS-ANN is superior, because R2values for Ce and La prediction for FS-AAN model is higher than R2 values for Ce and La prediction for ANN model. It is also shown that the FS-ANN model will be preferred in predicting pollution of Ce and La due to reducing in time of calculation in consequence of having less input variables.  }, keywords = {Artificial NeuralNetwork,Forward Selection method,Rare earth elements}, title_fa = {شبیه سازی عناصر نادر خاکی سریوم و لانتانیوم موجود در رسوبات آبراهه ای منطقه اشتهارد با استفاده از روش شبکه عصبی}, abstract_fa = {روش شبکه عصبی مصنوعی که یک روش پیشرفته است که در برادر سیستم های دینامیک و غیرخطی موثر است. استفاده جدید از شبکه عصبی مصنوعی و روشهای آماری چند متغیره در موضوعات مهم زیستمحیطی مانند آلودگی خاکها و آبهای سطحی در انواع مختلف عناصر سمی رواج یافت شده است زیرا در این صورت می توانید مدلی را بر اساس شبکه عصبی برای شبیه سازی عناصر نادر خاکی پرداخت کنید. با توجه به ویژگی عناصر نادر خاکی مخصوص سریوم و لانتانیوم ، این مطالعه را با استفاده از روش شبکه عصبی به پیشبینی میزان این عناصر در منطقه اشتهارد میپردازد. روش انتخاب پیشرو Forward Selection)) برای انتخاب متغیرهای ورودی موثر بر روی پیش بینی مقادیر عناصر لانتانیوم و سریوم و کاهش تعداد کل متغیرها استفاده می شود. از تعداد 45 متغیر ورودی برای هر کدام از عناصر لانتانیوم و سریوم ، 23 متغیر موثر بر روی پیشبینی مقادیر این ماده توسط روش انتخاب پیش انتخاب شده است. با توجه به مقادیر ضریب همبستگی (R2 ) ، هر دو مدل (شبکه عصبی و انتخاب پیشرو) برای پیشبینی مقادیر لانتانیوم و سریوم در منطقه مناسب هستند. اما روش انتخاب پیشرو مناسبتر است ، زیرا مقدریر مجاز انتخاب روش پیشرو برای پیشبینی لانتانیوم و سریوم از روش شبکه عصبی است. همچنین در این مطالعه نشان داده شده است که مدل پیشرو را در پیشبینی مقدریر لانتانیوم و سریوم انتخاب می کند تا دلیل کاهش زمان محاسبه در نتیجه تعداد متغیرهای ورودی کمتر از مناسب باشد.  }, keywords_fa = {شبکه عصبی مصنوعی,روش انتخاب پیشرو,عناصر نادر خاکی}, url = {https://aag.scu.ac.ir/article_10868.html}, eprint = {https://aag.scu.ac.ir/article_10868_9a8645bbcd82cbedd2cfe31ab01563c2.pdf} }