مدل سازی بارش رواناب تأثیر تغییر پارامترهای شبکه در میزان دقت پیش بینی - مطالعه موردی : حوزه آبخیز زهره
Publish place: 5th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,214
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCWMSWRM05_276
تاریخ نمایه سازی: 19 اردیبهشت 1391
Abstract:
فرایند مدل سازی در حوزه های آبخیز علم جدید و مفیدی است که در دهه اخیر به طور وسیع در نقاط مختلف دنیا گسترش پیدا کرده است. در همین راستا الگوبرداری از شبکه عصبی انسان و شبیه سازی آن در طبیعت در علومهیدرولوژی دوران جدیدی را سپری میکند. در تحقیق حاضر نیز از دو نوع شبکه عصبی MLP و RBF به عنوان پرکاربردترین نوع شبکه های عصبی در دو استگاه درای آمار حوزه آبخیز زهره بنام بریم و پل زهره استفاه شده است.در هر دو نوع شبکه به منظور رسیدن به بهترین ساختار و پارامترها با انجام سعی و خطا و جایگذاری مقادیر مخالف و اجرای مدل در هر بار با مشاهده میزان خطا و ضریب تبیین بهترین حالت برای مدل سازی انتخاب گردید. سپس بامقادیر بهنیه به شبیه سازی مقادیر مشاهداتی اقدام گردید. در نهایت به منظور پیش بینی کارایی انواع مدل ها از معیارهای دقت سنجی از جمله ضریب تبیین R2 ، ریشه میانگین مربعات خطا RMSA و ضریب کارایی CE میزان دقت هر مدل تعیین می گردد. نتایج نشان داد که هر دو نوع شبکه عصبی بکار رفته در تحقیق حاضر قادر به شبیهساری رواناب در ایستگاههای مورد بررسی بجز ایستگاه پل زهره را نشان میدهد. در مجموع نتایج شبکه RBF قابلیت و کارایی بیشتری در شبیه سازی رواناب در ایستگاههای مورد بررسی را نشان داده است. هم چنین در مقایسه بامراحل آموزش و تست، در مرحله تست رواناب شبیه سازی شده به رواناب مشاهداتی مقادیر نزدیک تری را ارائه داده است.
Keywords:
Authors
محمدرضا میرزایی
استادیار دانشکده کشاورزی، پژوهشکده منابع طبیعی و زیست محیطی، دانشگاه
مجید خزایی
دانش آموخته کارشناسی ارشد علوم و مهندسی آبخیزداری دانشگاه تربیت مدرس
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 :