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 place: Journal of Watershed Management Research، Vol: 12، Issue: 24
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 209
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:
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:
Ghorichai River , MOPSO , Objective Function , Suspended Sediment , بهینه سازی چند هدفه ازدحام ذرات , تابع هدف , رسوب معلق , رودخانه قوری چای
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 :