مقایسه کارایی مدلهای شبکه عصبی مصنوعی و رگرسیونی در شبیهسازی بارش- رواناب
عنوان مقاله: مقایسه کارایی مدلهای شبکه عصبی مصنوعی و رگرسیونی در شبیهسازی بارش- رواناب
شناسه ملی مقاله: KSAHC01_052
منتشر شده در اولین کنفرانس ملی هیدرولوژی مناطق نیمه خشک در سال 1392
شناسه ملی مقاله: KSAHC01_052
منتشر شده در اولین کنفرانس ملی هیدرولوژی مناطق نیمه خشک در سال 1392
مشخصات نویسندگان مقاله:
محمدحسین قلعه ای - دکترای ژئومورفولوژی و مدرس دانشگاه پیام نور واحد قره آغاج
نسرین امیدی - دانش آموخته کارشناسی آمار، دانشگاه تبریز
خلاصه مقاله:
محمدحسین قلعه ای - دکترای ژئومورفولوژی و مدرس دانشگاه پیام نور واحد قره آغاج
نسرین امیدی - دانش آموخته کارشناسی آمار، دانشگاه تبریز
در این تحقیق با استفاده از شبکه عصبی مصنوعی و مدلهای رگرسیونی، رواناب سطحی تولید شده در رودخانه آیدوغموش واقع در شهرستان چاراویماق استان آذربایجان شرقی پرداخته شده است. از دادههای بارش و دبی به عنوان ورودی مدل شبکه عصبی پس پراکنش استفاده شده است. پارامترهای مورفولوژیک از قبیل نسبت انشعاب، نسبت سطح، نسبت طول رودخانه، فاکتور زهکشی و نسبت ناهمواری با توجه به اهمیت آنها در پیشبینی رواناب در مدل رگرسیون چند متغیره استفاده شدهاند. در مدلهای رگرسیونی از ضریب اطمینان در نرم افزار MATLAB استفاده گردیده و سپس با نتایج بدست آمده از مدل ANN مقایسه شدهاند. به این منظور ضریب R2 و فاکتور کارایی E برای تعیین کارایی مدل محاسبه شدهاند. مقادیر R2 برای میزان رواناب حداکثر در مدل ANN مابین 73/0 تا 866/0 قرار داشته و مقادیر E نیز بین 61/0 تا 65/0می باشد. با توجه به مقادیر بدست آمده، مدل ANN نسبت به مدل رگرسیونی به نتایج بهتری دست یافته است.
کلمات کلیدی: شبکه عصبی مصنوعی، رگرسیون، بارش-رواناب، رودخانه آیدوغموش
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/233458/