ارزیابی تاثیر تبدیلات لگاریتمی و توابع هدف بر میزان کارائی مدل های شبکه عصبی در برآورد بار رسوب معلق (مطالعه موردی: حوزه آبخیز سراب قره سو، رودخانه قوری چای)

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 246

This Paper With 14 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_JWMR-12-24_012

تاریخ نمایه سازی: 15 اسفند 1400

Abstract:

چکیده مبسوط مقدمه و هدف: برآورد صحیح بار رسوب معلق رودخانه ها، نﻘش مهمی در مسایل مربوط به مدیریت منابع آب، آبخیزداری و علوم وابسته دارد. با توجه به دامنه وسیع تغییرات رسوب معلق در فصول مختلف سال و همچنین ماهیت به­شدت غیرخطی و پیچیده آن، لازم است از روش هایی  مناسب که می توانند چنین پدیده هائی را شبیه سازی و برآورد نمایند، استفاده شود. مواد و روش­ ها: از تبدیل لگاریتمی داده ها و الگوریتم بهینه سازی ازدحام ذرات چند هدفه (MOPSO)، در آموزش بهینه مدل های شبکه عصبی استفاده شد. بدین­ منظور در ابتدا، با کمک شبکه عصبی بدون ناظر (SOM)، داده­های دبی جریان و دبی رسوب معلق ایستگاه هیدرومتری مورد مطالعه (دوره آماری ۱۳۹۵-۱۳۶۴) خوشه­ بندی و سپس با نمونه ­گیری از خوشه­ ها، مجموعه داده­ های مورد نیاز برای آموزش و آزمون مدل­ های شبکه عصبی تهیه گردید. پس از آن، به­ منظور ارزیابی تاثیر به­ کارگیری تبدیلات لگاریتمی و الگوریتم بهینه­سازی MOPSO، سه سناریو تعریف شد. در سناریوی اول، داده­های اولیه (بدون تبدیل لگاریتمی) و الگوریتم گرادیان مبنا رایج در آموزش مدل­های شبکه عصبی (پس انتشار خطا)، در سناریوی دوم، الگوریتم پس انتشار خطا و تبدیلات لگاریتمی و در سناریوی سوم، از تبدیلات لگاریتمی و الگوریتم MOPSO، در آموزش مدل­ های شبکه عصبی استفاده گردید. یافته­ ها: ارزیابی و مقایسه نتایج صحت سنجی مدل­ها نشان داد که به­ کارگیری تبدیلات لگاریتمی و الگوریتم MOPSO،  با کاهش خطای RMSE و درصد اریبی (PBIAS) از ۴۹ تن در روز و ۲۱- درصد، در بهترین مدل از سناریو اول،  به ۳۰/۳ تن در روز و ۶/۳- درصد، در بهترین مدل ازسناریو سوم،  کارائی مدل­ها  را افزایش داده است. از دیگر نتایج پژوهش، عدم برآورد ارقام منفی برای رسوب معلق بوده که یکی از خطاهای رایج در استفاده از مدل های شبکه عصبی در برآورد رسوب معلق است. نتیجه ­گیری: استفاده از توابع هدف چندگانه، امکان حساس نمودن مدل ها به برآورد دقیق تر رسوب معلق در جریان های کم یا زیاد را فراهم نموده سبب می شوند، شاخص های صحت سنجی و اریبی مدل های داده مبنا بهبود یابند.    

Keywords:

Authors

محمودرضا طباطبائی

Soil Conservation and Watershed Management Research Institute

سید احمد حسینی

Soil Conservation and Watershed Management Research Institute

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 :
  • Alpa, M. and H.K. Cigizoglu. ۲۰۰۷. Suspended sediment load simulation ...
  • Altunkaynak, A. ۲۰۰۹. Sediment load prediction by genetic algorithms. Advances ...
  • ASCE Task Committee on Application of Artificial Neural Networks in ...
  • Aqil, M., I. Kita, A. Yano and S. Nishiyama. ۲۰۰۷. ...
  • Bekele, E.G. and J.W. Nicklow. ۲۰۰۷. Multi-objective automatic calibration of ...
  • Buyukyildiz, M. and S.Y. Kumcu. ۲۰۱۷. An estimation of the ...
  • Choudhury, P. and B.S. Sil. ۲۰۱۰. Integrated water and sediment ...
  • Cigizoglu, H.K. ۲۰۰۴. Estimation and forecasting of daily suspended sediment ...
  • Chen, X.Y. and K.W. Chau. ۲۰۱۶. A hybrid double feedforward ...
  • Chiang, J.L., K.J. Tsai, Y.R. Chen, M.H. Lee and J.W. ...
  • Coello, C.A.C., G.T. Pulido and M.S. Lechuga. ۲۰۰۴. Handling multiple ...
  • Criss, R.E. and W.E. Winston. ۲۰۰۸. Do Nash values have ...
  • Deb, K. ۲۰۰۱. Multi-objective optimization using evolutionary algorithms, Wiley, New ...
  • Dlugosz, A. ۲۰۱۶. Multi-objective optimization of the UAV wing by ...
  • Ebtehaj, I. and H. Bonakdari. ۲۰۱۶. Assessment of evolutionary algorithms ...
  • Efstratiadis, A. and D. Koutsoyiannis. ۲۰۱۰. One decade of multi-objective ...
  • Ercan, M.B. and J.L. Goodall. ۲۰۱۶. Design and implementation of ...
  • Guo, W. and H. Wang. ۲۰۱۰. August PSO optimizing neural ...
  • Hornik, K., M. Stinchcombe and H. White. ۱۹۸۹. Multilayer feedforward ...
  • Jain, A., R.K. Bhattacharjya and S. Sanaga. ۲۰۰۴. Optimal design ...
  • Kakaei Lafdani, E., A. Moghaddam Nia and A. Ahmadi. ۲۰۱۳. ...
  • Kennedy, J. and R. Eberhart. ۱۹۹۵. Particle Swarm Optimization, IEEE ...
  • Kisi, O. and J. Shiri. ۲۰۱۲. River suspended sediment estimation ...
  • Kisi, O. and C. Ozkan. ۲۰۱۷. A new approach for ...
  • Kisi, O., A. Keshavarzi, J. Shiri, M. Zounemat-Kermani and E.S.E. ...
  • Kaufman, L. and P.J. Rousseeuw. ۲۰۰۹. Finding groups in data: ...
  • Legates, D.R. and G.J. McCabe. ۱۹۹۹. Evaluating the use of ...
  • Li, X., M.H. Nour, D.W. Smith and A.A. Prepasc. ۲۰۱۰. ...
  • Luk, K.C., J.E. Ball and A. Sharma. ۲۰۰۰. A study ...
  • Krause, P., D.P. Boyle and F. Bäse. ۲۰۰۵. Comparison of ...
  • May, R.J., H.R. Maier and G.C. Dandy. ۲۰۱۰. Data splitting ...
  • Muleta, M.K. ۲۰۱۱. Model performance sensitivity to objective function during ...
  • Mustafa, M.R., M.H. Isa and R.B. Rezaur. ۲۰۱۲. Artificial neural ...
  • Parhizkari, M. ۲۰۱۹. Multi-objective operation optimization of hydropower reservoirs by ...
  • Rajaee, T., S.A. Mirbagheri, M. Zounemat-Kermani and V. Nourani. ۲۰۰۹. ...
  • Samantaray, S. and D.K. Ghose. ۲۰۱۸. Evaluation of suspended sediment ...
  • Schmitt, L.M. ۲۰۰۱. Theory of genetic algorithms. Theoretical Computer Science, ...
  • Tabatabaei, M., K. Solaimani, M.H. Roshan and A. Kavian. ۲۰۱۵. ...
  • Tabatabaei, M., A. Salehpour Jam and S.A. Hosseini. ۲۰۱۹. Presenting ...
  • Tabatabaei, M., A. Salehpour Jam and S.A. Hosseini. ۲۰۱۹. Suspended ...
  • Tabatabaei, M., A. Salehpour Jam and J. Mossafaei. ۲۰۲۰. Improvement ...
  • Tayfur, G. ۲۰۱۲. Soft computing in water resources engineering: Artificial ...
  • Ulke, A., G. Tayfur and S. Ozku. ۲۰۰۹. Predicting suspended ...
  • Villalta, C.C. ۲۰۰۹. Multi-objective Optimization Approach for Land Use Allocation ...
  • Yee, K.Y., A.K. Ray and G.P. Rangiah. ۲۰۰۳. Multi-objective optimization ...
  • Zealand, C.M., D.H. Burn and S.P. Simonovic. ۱۹۹۹. Short term ...
  • نمایش کامل مراجع