مقایسه شبکه‌های مختلف شبکه عصبی مصنوعی در پیش بینی ظریف روان -آب رگبار
Publish place: 2nd regional conference on sustainable development in the southern border of Caspian Sea
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,085
This Paper With 11 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:
RCSDSBCS02_021
تاریخ نمایه سازی: 7 آذر 1391
Abstract:
در علوم مهندسی منابع آب و هیدرولوژی شناخت و تحلیل تغییرات بارش و توانا به سختی از نیازهای اساسی محسوب می‌شود. برآورد روان آب حاصل از بارش در یک حوزه آبخیز از جهات گوناگون دارای اهمیت می‌باشد. حرکت این تحقیق تخمین ضریب توانا به رگبار با استفاده از شبکه عصبی مصنوعی است. برای این منظور کلیه اطلاعات بارش - روان آب و 33 واقع منطقه طی سال‌های 1330 تا 1385 قطعه کار قرار گرفت. سپس شبکه عصبی با الگوریتم پس انتشار و قانون یادگیری لونبرگ مارکوارت و استفاده از تابع پدیده مورد سیگموئید در لایه مخفی و تاب خطیب در لایه خروجی آموزش داده شد. شاخص j ، مدت بارش، مقدار بارش، بارش پنج روز قبل به شدت بارش به عنوان ورودی شبکه و ضریب توانا به عنوان خروجی برای شبکه مد نظر قرار گرفت. نتایج حاصل نشان داد شبکه‌ای با چارک های شدت بارش و شاخه سفید به عنوان ورودی و 25 نرون لایه پنهان کمترین مقدار میانگین مربعات خطا و بیشترین ضریب کارآیی اعتبارسنجی را در تخمین ضریب رواناب دارا می باشد.
Keywords:
Authors
مینا جعفری
دانش کارشناسی ارشد آبخیزداری - دانشکده منابع طبیعی به علوم دریایی دانش
مهدی وفاخواه
استادیار گروه مهندسی آبخیزداری - دانشکده منابع طبیعی و علوم دریایی دان
هیراد عبقری
استادیار گروه مهندسی آبخیزداری - دانشکده منابع طبیعی دانشگاه ارومیه
احد توسلی
دانش آموخته کارشناسی ارشد دانشکده منابع طبیعی و علوم دریایی دانشگاه
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 :