مدلسازی و مقایسه شبکه های عصبی مصنوعی GMDH و RBF در پیش بینی تقاضای کوتاه مدت آب شرب شهر زاهدان
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 881
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-10-3_018
تاریخ نمایه سازی: 6 خرداد 1399
Abstract:
آب بخش شهری زاهدان از طریق انتقال آب از مخازن چاه نیمه سیستان تامین شده که خود دچار بحران شدید آبی است. از اینرو پیشبینی تقاضای آب شرب این شهر، کمک موثری به مدیران و بهرهبرداران سیستم آب شهری خواهد نمود، تا بتوانند نسبت به مدیریت صحیح مصرف اقدام نمایند. لذا در این مقاله از شبکههای عصبی مصنوعی GMDH و RBF که از ابزارهای قدرتمند برای تجزیه و تحلیل و مدلسازی روابط غیرخطی به حساب می آیند، برای برآورد تقاضای ماهانه آب شهری زاهدان در سال 1396 استفاده شد. پارامترهای موثر انتخاب شده، شامل میانگین دمای ماهانه، درصد رطوبت نسبی، متوسط میزان بارندگی، ساعات آفتابی و مصرف ماه قبل میباشند. نتایج بدست آمده و مقایسه شاخص هایMSE و MAE نشان میدهد با توجه به بررسی هفت ساختار مختلف با تعداد متفاوت نرون و لایه های نهان، شبکه عصبی GMDH با سه لایه نهان که دارای یک نرون در لایه اول، سه نرون در لایه نهان دوم و سه نرون در لایه نهان سوم می باشد، بهترین نتیجه را برای پیش بینی تقاضای کوتاه مدت آب شرب نشان داد. با مقایسه توابع فعالیت خطی و غیر خطی مشخص شد که در لایه خروجی مدل های عصبی GMDH و RBF، توابع غیر خطی عملکرد بهتری نسبت به توابع خطی از خود نشان می دهند. همچنین در بین مدلهای GMDH نیز مدلهای با خروجی غیرخطی نسبت به مدل های با خروجی خطی مناسب تر می باشند. همچنین نتایج حاکی از آن بود که بزرگتر کردن ساختار شبکه، تاثیر چندانی بر بهبود نتایج ندارند.
Keywords:
Authors
مجتبی عباسیان
استادیار اقتصاد کشاورزی، دانشگاه دریانوردی چابهار
علی سردارشهرکی
استادیار گروه اقتصاد کشاورزی، دانشگاه سیستان و بلوچستان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :