کاربرد شبکه عصبی مصنوعی در پیش بینی دبی حداکثر رودخانه

Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,172

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

WATERSHED02_266

تاریخ نمایه سازی: 8 دی 1389

Abstract:

به منظور پیش بِینی دبِی حداکثر رودخانه نازلو ، مدل دقِیق و پیچِیده شبکه عصبی مصنوعِی مورد استفاد قرار گرفت .شبکه عص بی مصنوع ی یک مدل محاسبا تی است که بر اساس سِیستم عص بی مغز انسان در فر آِیند ی ادگِیری طراحِ ی شده است . در اجراِی اِین مطالعه ازنرم افزارBrain Comاستفده شد . در اِی ن مطالعه از داده ها ی دبِ ی حداکثرماهِیانه با طول دوره آمار ی78-1350 استفاده گرد ید که داده ها ی سالها ی آ بی 60-50 جهت کا لِیبراسِیون و آم وزش در شبکه و کل داده ها نِیز جهت تست شبکه در نظر گرفته شدند . ورودِیهای اِین شبکه ترکیبات مختلفی از مقادِیر دبیماه قبل ، بارش ماه قبل و ماه جار ی بودند که پس از بررس ی حالات مختلف ساختار ی، ی ک لا ی ه و دو لا ی ه باتعدادگرهها و نرخ ها ی آموزش متفاوت در مراحل کالِیبراسِیون و تست شبکه ، کمتر ین خطا ی کل شبکه در مرحله تست، در حال تِی بدست آمد که ورود یهای شبکه، د بِی ماه قبل ، بارش ماه قبل و ماه جار ی بوده و شبکه در اِی ن حالت دو لاِیه ای با تعداد گرهها ی هر لاِیه برابر 7 ، باتعداد تکر ار 50000 و براساس تابع محرک لوجس تِیک مِ ی باشد و مقدار خطای کل شبکه در اِین حالت برابر9/45 م ی باشد . لذا د بی ها ی خروج ی محاسبه شده در اِین نوع ساختار ی شبکه دقت بالاِیی برخوردار بوده و تناسب بسِیار خوبی با مقادِیر دبی های مشاهداتی دارند.

Authors

حبیب نظرنژاد

هیات علمی گروه مرتع و آبخیزداری دانشکده منابع طبیعی دانشگاه ار

محمدعلی قربانی

هیات علمی گروه مهندسی آب دانشگاه تبریز

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 :
  • _ تئوری هیدروانفورماتیک در انتقال رسوب و مطالعه موردی برای ...
  • قربانی.م و همکاران.بررسی ساختار و کارائی شبکه های عصبی مصنوعی ...
  • Achela, D. et al., "Rnnoff Forecasting Using RBF Network with ...
  • Banihabib, M. et al., "Prediction of occurrence And Amount of ...
  • Carrirer, et al., "Performance of A Virtual Runoff Hydrology System ...
  • Halff, A.H, et al. "Prediction runoff from rainfall using neural ...
  • Minss, A.W., W.Anthony, "Artificial neural networks as sub symbolic descriptors" ...
  • Shamseldin, A.Y., et al, "Application of a neural network technique ...
  • نمایش کامل مراجع