تابع اجرایی شبکههای عصبی عاملی موثر در تخمین مقادیر حدی متغیرهای هیدرولوژیکی
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 986
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INCWR01_004
تاریخ نمایه سازی: 4 فروردین 1390
Abstract:
در بسیاری از علوم بخصوص علوم آبی نیاز به پیشبینی اطلاعات از ضروریترین و پرکاربردترین مسائل است. اینکه بتوان یک داده را با دقت مناسب تخمین زد دارای ارزش خاص خود میباشد چه برسد به اینکه این مقدار جز مقادیر حدی باشد. در سالهای اخیر بدلیل تغییرات اقلیم در جهان، وقوع حوادث طبیعی مثل سیل و خشکسالی و طوفان جز جدا ناپذیری از زندگی مردم شده است و همین مسئله لزوم نیاز به پیش بینی این حوادث را برای مقابله و پیش- گیری و هشدار جهت کاهش تلفات و خسارات بیش از پیش ساخته است. بر خلاف توانایی شبکههای عصبی در مدلسازی توابع هیدرولوژیکی، نتایج تحقیقات مختلف نشان دهنده عدم توانایی این مدلها در پیش بینی مقادیر حدی است. یک رویکرد مناسب برای بهبود این مسئله در شبکههای عصبی، استفاده از توابع اجراییPerformance Functionsویژه در مرحله واسنجی شبکههای عصبی میباشد. توابعSSE و MSE میزان دقت را در کل دادهها بدون هیچ تفاوتی میان اندازه مقادیر، مدل میکنند که این مساله در پیشبینیهای مقادیر حدی پاسخگویی مناسبی را نخواهد داشت از اینرو بایستی شبکههای عصبی را بگونهای تغییر داد تا بتوانند وزندهی بیشتری را بر روی مقادیر حدی قرار دهند به بیان دیگر میزان خطا را برای مقادیر حدی بیشتر از میزان خطا برای مقادیر غیرحدی بزرگنمایی کنند. در این مقاله به ارائه یک تابع اجرائی جدید برای شبکههای عصبی بر مبنای تابع توزیع احتمال تجمعی پرداخته و کلیه مباحث برای مطالعه پیشبینی حجم آورد رودخانه زایندهرود(بالادست سد زایندهرود) مورد استفاده قرار گرفته است. نتایج حاکی از بهبود دقت در پیشبینی مقادیر حدی در مطالعه موردی است. توابع اجرایی، پیشبینی احتمالاتی مقادیر حدی، رودخانه زایندهرود.
Keywords:
Authors
محمد عزمی
دانشجوی دکتری منابع آب، دانشکده فناوری و مهندسی کشاورزی، دانشگاه تهران
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 :