The topological Self-Organizing Maps of Kohonen and other methods of artificial intelligence are effective tools for modeling and solving environmental problems. In this study, we propose an approach to classify the annual physico-chemical parameters of subterranean waters in the F'kirina plain based on the artificial neural network type. The results obtained demonstrate the presence of 4 classes and make it possible to clearly understand and visualize the spatial and temporal distribution of the physicochemical quality of subterranean waters. Class 1 shows high concentrations for all parameters, whereas class 3 is represented by very low concentrations.
.
-
Votre commentaire
Votre commentaire s'affichera sur cette page après validation par l'administrateur.
Ceci n'est en aucun cas un formulaire à l'adresse du sujet évoqué,
mais juste un espace d'opinion et d'échange d'idées dans le respect.
Posté Le : 21/05/2023
Posté par : einstein
Ecrit par : - Ouanes Miyada
Source : Journal of New Technology and Materials Volume 7, Numéro 2, Pages 38-46 2017-12-30