سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تاثیر دما بر برآورد جریان خروجی از حوضه آبریز توسط شبکه های عصبی پرسپترون و کانولوشنی همراه با تحلیل موجک

Publish Year: 1401
Type: Journal paper
Language: Persian
View: 182

This Paper With 13 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_IWRR-18-1_002

Index date: 13 February 2023

تاثیر دما بر برآورد جریان خروجی از حوضه آبریز توسط شبکه های عصبی پرسپترون و کانولوشنی همراه با تحلیل موجک abstract

تخمین جریان خروجی از یک حوضه آبریز تحت تاثیر پارامترهای مختلف، فرایندی پیچیده بوده و در صورت کمبود اطلاعات حوضه، استفاده از مدل های تحلیلی امکان پذیر نیست. از سوی دیگر، مدل های هوش مصنوعی نیاز به مشخصات حوضه نداشته و برخی مانند شبکه عصبی کانولوشنی (CNN) اخیرا در هیدرولوژی کاربرد فراوانی داشته اند. هدف این تحقیق بررسی عملکرد CNN در برآورد جریان خروجی بر حسب پارامترهای دما، بارش و دبی ورودی به حوضه بوده است. در این تحقیق از CNN، ترکیب CNN با تحلیل موجک (WCNN) و از شبکه عصبی پرسپترون (MLP) جهت ارزیابی تاثیر دما بر برآورد جریان خروجی در حوضه آبریز قلعه شاهرخ چلگرد در بازه زمانی سال ۱۹۹۲ تا ۲۰۱۵ میلادی استفاده شد. هر مدل ۲۰ مرتبه اجرا شده و میانگین مقادیر ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE) و ضریب نش- ساتکلیف (NS) محاسبه شده اند. تاخیر یک، دو و سه ماهه داده های دما و بارندگی نیز به عنوان داده ورودی لحاظ شده است. همچنین، از تحلیل موجک جهت پیش پردازش داده ها در کاهش نوفه استفاده شده و نتایج نشان داد که CNN  با تاخیر سه ماهه دارای مقادیر، و به ترتیب برابر (m۳/s) ۰/۹۲۲ ،۱۴/۲۰ و ۰/۷۷۲ بود. در مقابل، روش WCNNT۳  با موجک Daubechies  که ترکیب CNN و تحلیل موجک است، با عملکرد سطح چهار و وضوح دو (WCNNT۳-db۴۲) دارای مقادیر شاخص های ارزیابی برابر (m۳/s) ۰/۹۴۵ ،۹/۴۵ و ۰/۸۶۳ بود. بر این اساس، CNN عملکرد بهتری نسبت به MLP داشته و روش WCNN  نیز با کمک تحلیل موجک، کارایی و عملکرد بهتری نسبت بهCNN  از خود نشان داد.

تاثیر دما بر برآورد جریان خروجی از حوضه آبریز توسط شبکه های عصبی پرسپترون و کانولوشنی همراه با تحلیل موجک Keywords:

تاثیر دما بر برآورد جریان خروجی از حوضه آبریز توسط شبکه های عصبی پرسپترون و کانولوشنی همراه با تحلیل موجک authors

ایمان نادری راد

دانشجوی دکتری، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.

محسن سعادت

استادیار، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.

آوید آوخ

استادیار، دانشکده مهندسی برق و مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.

میلاد مهرپرور

دانش آموخته دکتری، کارشناس طراح، مهندسین مشاور طرح و تحقیقات آب و فاضلاب، اصفهان، 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 :
Anctil F, Perrin C, and Andréassian V (۲۰۰۴) Impact of ...
نمایش کامل مراجع