ISSN: 2157-7617

Zeitschrift für Geowissenschaften und Klimawandel

Offener Zugang
English Spanish Chinese Russian French Japanese Portuguese Hindi Telugu Tamil

Unsere Gruppe organisiert über 3000 globale Konferenzreihen Jährliche Veranstaltungen in den USA, Europa und anderen Ländern. Asien mit Unterstützung von 1000 weiteren wissenschaftlichen Gesellschaften und veröffentlicht über 700 Open Access Zeitschriften, die über 50.000 bedeutende Persönlichkeiten und renommierte Wissenschaftler als Redaktionsmitglieder enthalten.

Open-Access-Zeitschriften gewinnen mehr Leser und Zitierungen
700 Zeitschriften und 15.000.000 Leser Jede Zeitschrift erhält mehr als 25.000 Leser

Veröffentlichungsrichtlinien und Ethik
Indiziert in
  • CAS-Quellenindex (CASSI)
  • Index Copernicus
  • Google Scholar
  • Sherpa Romeo
  • Online-Zugriff auf Forschung in der Umwelt (OARE)
  • Öffnen Sie das J-Tor
  • Genamics JournalSeek
  • JournalTOCs
  • Ulrichs Zeitschriftenverzeichnis
  • Zugang zu globaler Online-Forschung in der Landwirtschaft (AGORA)
  • Zentrum für Landwirtschaft und Biowissenschaften International (CABI)
  • RefSeek
  • Hamdard-Universität
  • EBSCO AZ
  • OCLC – WorldCat
  • Proquest-Vorladungen
  • SWB Online-Katalog
  • Publons
  • Euro-Pub
  • ICMJE
Mehr sehen
Nützliche Links
Open-Access-Zeitschriften
Mehr sehen
Teile diese Seite

Abstrakt

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.

Haftungsausschluss: Dieser Abstract wurde mit Hilfe von Künstlicher Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.
Zeitschriften nach Themen
Klinische und medizinische Fachzeitschriften