تعیین بهترین تابع فعالسازی لایه خروجی در شبکه عصبی برای پیش بینی دبی اوج

یکی از روش­های پیش­بینی دبی اوج استفاده از مدل جعبه سیاه از جمله شبکه عصبی مصنوعی است. نقطه ضعف شبکه­های عصبی در جعبه سیاه عدم وجود قانون تایید شده برای معماری شبکه آنها است، معیار مناسبی برای تعیین تعداد لایه­ و تعداد نرون در لایه پنهان، نوع تابع فعالسازی برای لایه پنهان و لایه خروجی وجود نداشته و تنها راه­ حل استفاده از روش سعی و خطا می­باشد. در این تحقیق با استفاده از شبکه عصبی پرسپترون و با ثابت نگه داشتن نوع تابع فعالسازی برای لایه پنهان نوع تابع فعالسازی در لایه خروجی برای دو زیرحوزه گته­ده و گلینک واقع در حوزه آبخیز طالقان بررسی گردید. ۲۰ درصد داده­ها برای مرحله آزمایش، ۶۵ درصد برای مرحله آموزش و ۱۵ درصد برای مرحله اعتبارسنجی وارد نرم­افزار مطلب شدند و دو تابع فعالسازی خطی و سیگموئیدی برای لایه خروجی انتخاب گردید. در هر دو ایستگاه تابع خطی با داشتن کمترین RMSE برای لایه خروجی مناسب تشخیص داده شد و تعداد نرون مناسب در ایستگاه گته­ده پنج و در ایستگاه گلینک شش انتخاب شد.

Keywords:

Neural Network , peak Discharge , Taleghan , Activation Function , Hidden layer , شبکه عصبی , دبی اوج , طالقان , تابع فعالسازی , لایه پنهان