تخمین هدایت الکتریکی رودخانه ها با استفاده از شبکه عصبی موجک (مطالعه موردی: رودخانه کاکارضا)
Publish place: Journal of Watershed Management Research، Vol: 8، Issue: 16
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 155
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:
شناسه ملی سند علمی:
JR_JWMR-8-16_017
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
هدایت الکتریکی (EC) عامل مهمی در مهندسی رودخانه و بویژه مطالعه کیفی آب رودخانه ها می باشد. در این پژوهش کاربرد شبکه عصبی موجک، جهت پیش بینی هدایت الکتریکی رودخانه کاکارضا موردبررسی و ارزیابی قرار گرفت و نتایج آن با مدل شبکه عصبی مصنوعی مقایسه شد. که برای این منظور هیدروژن کربنات، کلرید، سولفات، کلسیم، منیزیم، سدیم و دبی جریان در مقیاس زمانی ماهانه در طی دوره آماری (۱۳۹۳-۱۳۴۷) بعنوان ورودی و هدایت الکتریکی بعنوان پارامتر خروجی انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و عملکرد مدل مورد استفاده قرار گرفت. نتایج حاصله نشان داد مدل شبکه عصبی موجک دارای بیشترین ضریب همبستگی (۹۷۷/۰)، کمترین ریشه میانگین مربعات خطا( ds/m۰۳۲/۰) و نیز بیشترین معیار نش ساتکلیف (۸۴۷/۰) در مرحله صحت سنجی در اولویت قرار گرفت. درمجموع نتایج نشان داد مدل شبکه عصبی موجک در تخمین مقادیر حداقل و حداکثر دقت بالایی از خود نشان داده است. نتایج حاکی از توانمندی قابل قبول مدل شبکه عصبی موجک در تخمین هدایت الکتریکی آب رودخانه ها است.
Keywords:
Artificial neural network , Electrical conductivity , Kakareza , Model , Wavelet neural
network , شبکه عصبی موجک , شبکه عصبی مصنوعی , کاکارضا , مدل , هدایت الکتریکی
Authors
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 :