کاربرد مدلهای شبکه عصبی مصنوعی و مدل M۵ در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 201
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-6-23_004
تاریخ نمایه سازی: 26 بهمن 1400
Abstract:
مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می دهد. روشهای هوش مصنوعی میتوانند کارایی بالایی جهت شبیهسازی جریان رودخانه در مقیاسهای مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M۵ جهت شبیه سازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیه سازی دادههای دبی جریان ماهانه در این ایستگاه, از دادههای دبی ثبت شده در چهار ایستگاه هیدرومتری بالادست و یک ایستگاه اقلیمی استفاده گردید. جهت مقایسه نتایج دو روش شبکه عصبی مصنوعی و مدل M۵، از دو معیار مجذور میانگین مربعات خطا و ضریب تبیین استفاده گردید. نتایج نشان داد شبکه عصبی مصنوعی با ساختار یک لایه مخفی با چهار نرون کارایی بیشتری نسبت به مدل M۵ دارد. خطای مدل شبکه عصبی مصنوعی ۴۰/۲۵ با ضریب همبستگی ۹۳/۰ و خطای مدل M۵ ۱۸/۲۸ با ضریب همبستگی ۹۲/۰ به دست آمد. با افزایش نرون های محاسباتی در لایه مخفی کارایی شبکه عصبی مصنوعی کاهش یافت.
Keywords:
Authors
الهام رفیعی ساردوئی
دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی دانشگاه تهران، تهران، ایران
فرشاد سلیمانی ساردو
مربی دانشکده منابع طبیعی، دانشگاه جیرفت، جیرفت، ایران
علی آذره
دانشجوی دکتری بیابان زدایی، دانشکده منابع طبیعی دانشگاه تهران، تهران، 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 :