ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

Prediction of groundwater arsenic contamination using geographic information system and artificial neural network

หน่วยงาน สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์

รายละเอียด

ชื่อเรื่อง : Prediction of groundwater arsenic contamination using geographic information system and artificial neural network
นักวิจัย : Hossain, MdMoqbul , Neaupane, Krishna Murari , Nitin Kumar Tripathi , Mongkut Piantanakulchai
คำค้น : Ann , Arsenic , Contamination , Gis , Groundwater , pH
หน่วยงาน : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์
ผู้ร่วมงาน : -
ปีพิมพ์ : 2556
อ้างอิง : EnvironmentAsia. 6, 1 (2013) pp. 38-44 , 1906-1714 , http://dspace.library.tu.ac.th/handle/3517/6887
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

Ground water arsenic contamination is a well known health and environmental problem in in several countries including Bangladesh. Sources of this heavy metal are known to be geogenic, however, the processes of its release into groundwater are poorly understood phenomena. In quest for the mitigation of the problem, it is necessary to predict probable contamination before it causes any damage to human health. This research has been carried out to investiaget the factors affecting the mobility of the contaminant and develop the prediction model. Researchers have generally agreed that the elevated concentration of arsenic is affected by several factors such as soil reaction (pH), organic matter content, geology, iron content, etc. However, the variability of concentration within short lateral and vertical intervals, and the inter-relationships of variables among themselves, make the statistical analyses highly non-linear and difficult to converge with a meaningful relationship. Artificial Neural Networks (ANN) comes in handy for such a black box type problem. This research uses Back propagation Neural Networks (BPNN) to train and validate the data derived from Geographic Information System (GIS) spatial distribution grids. The neural network architecture with (6-20-1) pattern was able to predict the arsenic concentration with reasonable accuracy.

บรรณานุกรม :
Hossain, MdMoqbul , Neaupane, Krishna Murari , Nitin Kumar Tripathi , Mongkut Piantanakulchai . (2556). Prediction of groundwater arsenic contamination using geographic information system and artificial neural network.
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Hossain, MdMoqbul , Neaupane, Krishna Murari , Nitin Kumar Tripathi , Mongkut Piantanakulchai . 2556. "Prediction of groundwater arsenic contamination using geographic information system and artificial neural network".
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ .
Hossain, MdMoqbul , Neaupane, Krishna Murari , Nitin Kumar Tripathi , Mongkut Piantanakulchai . "Prediction of groundwater arsenic contamination using geographic information system and artificial neural network."
    กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ , 2556. Print.
Hossain, MdMoqbul , Neaupane, Krishna Murari , Nitin Kumar Tripathi , Mongkut Piantanakulchai . Prediction of groundwater arsenic contamination using geographic information system and artificial neural network. กรุงเทพมหานคร : สถาบันวิจัยและให้คำปรึกษาแห่ง มหาวิทยาลัยธรรมศาสตร์ ; 2556.