تحلیل عدم قطعیت خروجی شبکه عصبی در شبیه سازی هدایت هیدرولیکی اشباع خاک

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 273

This Paper With 10 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:

JR_IDJ-9-4_010

تاریخ نمایه سازی: 25 اردیبهشت 1400

Abstract:

هدایت هیدرولیکی اشباع خاک از مهم­ترین ویژگی­های فیزیکی خاک است که در مدیریت آبیاری مزارع، انتقال آلودگی و هم­چنین جریان آب در محیط­های غیراشباع نقش مهمی را دارا است. لیکن در بیش­تر موارد به علت محدودیت­های عملی و یا هزینه­ای، اندازه­گیری آن با دشواری همراه است. از این رو استفاده از مدل­های شبیه­سازی داده محور مانند شبکه عصبی مصنوعی با صرف هزینه کم و کارایی بالا می­توانند جایگزین مناسبی برای این منظور باشد. از آنجا که انتخاب دوره­های مختلف آموزش و آزمون به همراه توابع انتقال و آموزش متفاوت در این نوع مدل­ها به عنوان مهم­ترین منبع خطا می­باشد، لذا عدم اطمینان و قطعیت لازم در مقادیر خروجی شبیه­سازی شده مدل نیز از آن قابل نتیجه­گیری می­باشد. از این رو در این تحقیق بررسی منابع عدم قطعیت مذکور در شبیه­سازی هدایت هیدرولیکی اشباع خاک مورد بررسی قرار گرفته است. در انجام این تحقیق، تعداد ۱۵۱ نمونه از خاک­های زراعی (اراضی اطراف شهرستان بجنورد) انتخاب و متغیرهای موثر چگالی ظاهری و واقعی خاک با کمک رگرسیون مرحله­ای از بین دوازده متغیر مختلف اندازه­گیری شده جهت برآورد هدایت هیدرولیکی اشباع به کار گرفته شد. نتایج تحلیل عدم قطعیت به­دست آمده از ۱۰۰۰ سری داده مختلف نمونه­گیری شده (با کمک نمونه گیر مونت کارلو) جهت استفاده در دوره­های آموزش و آزمون شبکه عصبی پرسپترون با دو لایه بررسی و ارزیابی گردید. علاوه بر این، عملکرد ترکیب توابع انتقال و آموزش مختلف شبکه عصبی در تمام ۱۰۰۰ سری داده نیز به­عنوان دومین منبع خطا ارزیابی شد. نسبت درصد قرارگیری مشاهدات در بازه اطمینان به پهنای بازه (معیار NUE) برای توابع انتقال لگاریتم سیگموئید (NUE=۰.۵۷) و خطی (NUE=۰.۵۹) نسبت به تابع تانژانت سیگموئید (NUE=۰.۲۵)، بالاتر و بهتر مشاهده گردید. هم­چنین از بین توابع مختلف آموزش تنها تابع کاهش گرادیان دارای زمان اجرای بالاتر و مقدار معیار NUE پایین­تر به نسبت بقیه بوده و بنابراین بیش­ترین عدم قطعیت را در نتایج مقادیر هدایت هیدرولیکی خروجی شبیه­سازی شده داشت.  

Keywords:

توابع انتقال و آموزش , هدایت هیدرولیکی اشباع خاک , عدم قطعیت شبکه عصبی مصنوعی

Authors

محسن پوررضا بیلندی

استادیار گروه مهندسی آب، دانشگاه بیرجند، بیرجند، ایران

عباس خاشعی سیوکی

استادیار گروه مهندسی آب، دانشگاه بیرجند، بیرجند، ایران

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 :
  • اکبرزاده، ع.، نوری،ر.، فرخ نیا،ا.، خاکپور،ا و صباحی،م.س. ۱۳۸۹. تحلیل ...
  • جلالی،و.ر.، خاشعی سیوکی،ع و همایی،م. ۱۳۹۲. مقایسه روش­های زمین آماری ...
  • تشخیص ساختار بهینه و تحلیل عدم قطعیت مدل بیلان آبی ماهانه [مقاله ژورنالی]
  • فرخ نیا،ا و مرید،س. ۱۳۸۸. تحلیل عدم قطعیت مدل­های شبکه ...
  • Aqil,M., Kitab,I., Yanob,A., Nishiyamac,S. ۲۰۰۷ Analysis and prediction of flow ...
  • Bowden,G.J., Dandy,G.C., Maier,H.R. ۲۰۰۵ Input determination for neural network models ...
  • Dybowski,R. ۱۹۹۷ Assigning confidence intervals to neural network predictions. Technical ...
  • Eckhardt,K., Breuer,L and Frede,H.G. ۲۰۰۳ Parameter uncertainty and the significance ...
  • Jin,X., XU,C.Y., Zhang,Q., Sing,V.P. ۲۰۱۰ Parameter and modeling uncertainty simulated ...
  • Li,L., Xia,J., Xu,C.-Y., Chu,J., Wang,R. ۲۰۰۹ Analyse the sources of ...
  • Marcé,R., Comerma,M., García,J.C., Armengol,J. ۲۰۰۴ A neuro-fuzzy modeling tool to ...
  • Menhaj,M. B. ۱۹۹۸ Fundamentals of neural networks. Computational intelligence. ۱: ...
  • Motaghian,H.R., Mohammadi,J. ۲۰۱۱ Spatial estimation of saturated hydraulic conductivity from ...
  • Noori,R., Abdoli,M.A., Farokhnia,A and Abbasi,M. ۲۰۰۹ Results uncertainty of solid ...
  • Talebizadeh,M., Morid,S., Ayyoubzadeh,S.A., Ghasemzadeh,M. ۲۰۱۰ Uncertainty analysis in sediment load ...
  • Tayfur,G., Nadiri,A.A., Moghaddam,A.A. ۲۰۱۴ Supervised intelligent committee machine method for ...
  • Tibshirani,R. ۱۹۹۴ A Comparison of Some Error Estimates for Neural ...
  • Tsai FTC, Li X. ۲۰۰۸. Multiple parameterization for hydraulic conductivity ...
  • Yao,R.J., Yang,J.S., Wu,D.H., Li,F.R., Gao,P., Wang,X.P. ۲۰۱۵ Evaluation of pedotransfer ...
  • Zealand,C.M., Burn,D.H and Simonovic,S.P. ۱۹۹۹ Short term streamflow forecasting using ...
  • نمایش کامل مراجع