ISSN: 2157-7617

Journal des sciences de la Terre et du changement climatique

Accès libre
English Spanish Chinese Russian German Japanese Portuguese Hindi Telugu Tamil

Notre groupe organise plus de 3 000 séries de conférences Événements chaque année aux États-Unis, en Europe et en Europe. Asie avec le soutien de 1 000 autres Sociétés scientifiques et publie plus de 700 Open Access Revues qui contiennent plus de 50 000 personnalités éminentes, des scientifiques réputés en tant que membres du comité de rédaction.

Les revues en libre accès gagnent plus de lecteurs et de citations
700 revues et 15 000 000 de lecteurs Chaque revue attire plus de 25 000 lecteurs

Politiques et éthique de publication
Indexé dans
  • Indice source CAS (CASSI)
  • Index Copernic
  • Google Scholar
  • Sherpa Roméo
  • Accès en ligne à la recherche en environnement (OARE)
  • Ouvrir la porte J
  • JournalSeek de génamique
  • JournalTOC
  • Annuaire des périodiques d'Ulrich
  • Accès à la recherche mondiale en ligne sur l'agriculture (AGORA)
  • Centre international pour l'agriculture et les biosciences (CABI)
  • Recherche de référence
  • Université Hamdard
  • EBSCO AZ
  • OCLC-WorldCat
  • Invocation de quête
  • Catalogue en ligne SWB
  • Publons
  • Euro Pub
  • ICMJE
Voir plus
Liens utiles
Revues en libre accès
Voir plus
Partager cette page

Abstrait

Application of Artificial Neural Network for Groundwater Level Simulation in Amritsar and Gurdaspur Districts of Punjab, India

Lohani AK and Krishan G

In this paper, the most stable and efficient neural network configuration for predicting groundwater level in Amritsar and Gurdaspur districts of Punjab, India is identified. For predicting the model efficiency and accuracy, different types of network architectures and training algorithms are investigated and compared. It has been found that accurate predictions can be achieved with a standard feed forward neural network trained with the Levenberg–Marquardt algorithm providing the best results. Good estimation of groundwater level can be achieved by dividing the boreholes/observation wells into different groups of data and designing distinct networks which is validated by the ANN technique and the degree of accuracy of the ANN model in groundwater level forecasting is within acceptable limits. The ANN method has been found to forecast groundwater level in Amritsar and Gurdaspur districts of Punjab, India.

Avertissement: Ce résumé a été traduit à l'aide d'outils d'intelligence artificielle et n'a pas encore été examiné ni vérifié.
Revues par sujet
Revues cliniques et médicales