توانایی شبکه عصبی مصنوعی در برآورد جریان رودخانه میناب استان هرمزگان
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 400
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_JGQE-11-42_032
تاریخ نمایه سازی: 18 بهمن 1400
Abstract:
پیش بینی دقیق پارامترهای موثر در طرح های منابع آب، یکی از مهمترین مباحث تحقیقی مهندسان آب می باشد از جمله این پارامترها دبی رودخانه است. در این مقاله از شبکه عصبی به دو روش شبکه پرسپترون چند لایه (MLP) و با الگوریتم پس انتشار خطا و تابع پایه شعاعی (RBF) و با استفاده از نرم افزا ر متلب و ۱۹ SPSS به منظور تخمین دبی در حوزه آبخیز میناب با استفاده از داده های هم زمان بارش روزانه و دبی آب روزانه ایستگاه های برنطین، گلاشگرد و فاریاب برای یک دوره ۲۵ ساله استفاده شده است. در این تحقیق به منظور بررسی و تعیین بیش ترین تاثیر بارندگی هر یک از ایستگاه ها بر دبی آب رودخانه میناب، تاثیر ۵ روز متوالی بارش بر دبی را به صورت هر روز جداگانه (p۰ ، p-۱،p-۲، p-۳، p-۴، p-۵) برای تک تک ایستگاه ها و به صورت مشترک، بارش روز اول و دوم الی روز پنجم برای ایستگاه هایی که دو به دو مشترک در نظر گرفته شده، انجام شده است. نتایج بدست آمده نشان داد که روش چند لایه پرسپترون (MLP) کمترین خطا (RMSE) و بالاترین همبستگی (R^۲) بین بارش روزانه در هر سه ایستگاه با دبی اندازه گیری شده را نشان داد. همچنین بارش روز اول در ایستگاه های زوجی و بارش روز اول و پنجم در ایستگاه های منفرد بیشترین تاثیر را در تولید دبی خروجی حوضه دارد
Keywords:
Authors
مریم حیدرزاده
استادیار گروه مهندسی آب مجتمع آموزش عالی میناب، دانشگاه هرمزگان
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 :