استفاده ازشبکه عصبی مصنوعی درآنالیزحساسیت تاثیرپارامترهای موثربربارمعلق رسوب: مطالعه موردی لیقوان چای
Publish place: Journal of Civil and Environmental Engineering, University of Tabriz، Vol: 39، Issue: 2
Publish Year: 1388
نوع سند: مقاله ژورنالی
زبان: Persian
View: 655
This Paper With 6 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:
JR_CEEJ-39-2_001
تاریخ نمایه سازی: 17 خرداد 1393
Abstract:
دراین تحقیق مدل شبکه عصبی مصنوعی ANN بعنوان یک مدل جعبه سیاه جهت بررسی تاثیردرجه حرارت و دبی جریان برمیزان باررسوب معلق حوضه ابریز لیقوان چای معرفی گردید مدل شبکه عصبی مصنوعی با الگوریتم اموزشی لونبرگ - مارگارت قانون یادگیری پس انتشارخطا BP برای تعیین ساختاربهینه مدل استفاده شد پس ازتعیین ساختاربهینه مدل تمام الگوریتم های اموزشی قانون پس انتشارخطا نیز مورد بررسی قرارگرفتند تا مقایسه ای بین الگوریتم ها صورت گیرد که الگوریتم مناسب همان الگوریتم لونبرگ - مارگارت تشخیص داده شد همچنین مقایسه ای بین نتایج مدل ANN با نتایج مدلهای اماری همچون مدل رگرسیونی مدل سری زمانی خود همبسته AR مدل منحنی توانی و مدل رگرسیونی خطی چندمتغیره MLR صورت گرفت ازروی نتایج حاصله میتوان عملکرد بهتر مدل ANN برمدلهای اماری کلاسیک را بیان کرد اما درمورد مدل خودهمبسته مرتبه بالاتر مدل ANN توانایی کمتری درانعکاس رفتاراستوکاستیکی متغیرهای هیدرولوژیکی داشته و اغلب درپیش بینی های قطعی بکارگرفته میشود دراین تحقیق حساسیت کمتر رسوب معلق به درجه حرارت محیط استنباط شده است
Keywords:
Authors
محمدحسین امین فر
استادیاردانشکده فنی و مهندسی عمران دانشگاه تبریز
وحید نورایی
استادیاردانشکده فنی و مهندسی عمران دانشگاه تبریز
احد نورپور
کارشناسی ارشدمهندسی عمران آب دانشگاه تبریز