تحلیل منطقهای دبی حد آستانه خشکسالی با استفاده ازشبکه عصبی مصنوعی در حوزه آبخیز دریاچه نمک
Publish place: The 1st national conference on solutions to access sustainable development in agriculture,natural resources and the environment
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 644
This Paper With 9 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:
SDCONF01_1298
تاریخ نمایه سازی: 28 اردیبهشت 1392
Abstract:
هدف از این تحقیق، ارائه مدلی با استفاده از شبکهی عصبی مصنوعی است که روابط بین دبی حد آستانه خشکسالی وعوامل بهوجود آورندهی آنها را بیان کند و با استفاده از این مدلها، دبی حد آستانه خشکسالی را در حوزههای بدون آمار را برآورد نمود. برای این منظور 33 حوزه آبخیز در محدوده دریاچه دریاچه نمک کهآمار آبسنجی مناسبی داشتهاند انتخاب گردیدند، دبی حد آستانه خشکسالی به عنوان متغیرهای وابسته و متغیرهای فیزیوگرافی، هواشناسی و زمینشناسی به عنوانمتغیرهای مستقل در نظر گرفته شدند. با استفاده از تحلیل عاملی شش عامل مساحت، ارتفاع متوسط، طول آبراهه اصلی، تراکم زهکشی، درصد سازندهای نفوذپذیر ودرصد اراضی مرتعی انتخاب و در مرحله بعد با استفاده از شبکه عصبی پرسپترون چند لایه با تابع یادگیری لونبرگ مارکوت و با توابع انتقال سیگموئید و تانژانت هیپربولیک در لایه پنهان و تابع انتقال خطی در لایه خروجی به تحلیل منطقهای دبی حد آستانه خشکسالی پرداخته شد. نتایج نشان داد که شبکه عصبی مصنوعی با تابع انتقال سیگموئید در مرحله آزمون باضریب تبیین0/77ریشه میانگین مربعات خطا 0/21و ضریب کارایی 0/93نسبت به تابع انتقال تانژانت هیپربولیک باضریب تبیین 0/47ریشه میانگین مربعات خطا 1/42و ضریب کارایی 0/37توانسته است با دقت بالایی دبی حد آستانه خشکسالی را پیش بینی کند که این موضوع عملکردخوب شبکه عصبی را در پیش بینی متغیرهای هیدرولوژیکی می رساند
Keywords:
Authors
سعید خسروبیگی بزچلویی
دانشجوی کارشناسی ارشد رشته آبخیزداری، دانشگاه تربیت مدرس
مهدی وفاخواه
استادیار گروه 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 :