بررسی تأثیر پارامتر های ورودی(آنالیز حساسیت) برعملکرد مدل های شبکه عصبی مصنوعی بارش- رواناب (مطالعه موردی حوزه آبریزطرق- خراسان رضوی)
Publish place: 5th Iranian Water Resources Management Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 605
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:
WRM05_324
تاریخ نمایه سازی: 25 تیر 1393
Abstract:
یکی از پدیده های حائز اهمیت در هیدرولوژی فرایند بارش- رواناب می باشد.استفاده از شبکه های عصبی مصنوعی برای پیش بینی پدیده های هیدرولوژیکی با توجه به ماهیت غیرخطی و اتفاقی آن ها قابل توجیه است در این تحقیق، شش شبکه عصبی مصنوعی پرسپترون چند لایه مجزا با ورودی های مختلف با توابع محرک متفاوت استفاده شده است. بدین منظور بعد از تعیین تعداد نرون بهینه به ازای پارامترهای ورودی مختلف، میزان خطای تولید شده در پیش بینی سیلاب های متوسط محاسبه شده و از این طریق، تأثیر عوامل مختلف بر روی محاسبه دقیق تر سیلاب ها توسط شبکه بررسی شده است. در نهایت مشخص گردید دو مدل شبکه عصبی MLP با چهارده نرون ورودی و پانزده نرون در لایه میانی بهترین عملکرد را ارائه نمودند و پیش بینی ها با خطای کمتری محاسبه شده است.
Keywords:
Authors
بهرام جعفر طباطبائی
کارشناس ارشد عمران-آب، دانشگاه سیستان و بلوچستان
مهرداد میرابی
کارشناس ارشد عمران-آب، دانشگاه فردوسی مشهد
امیرحسین فرزبد
کارشناسی ارشد عمران-آب، دانشکده مهندسی، دانشگاه فردوسی مشهد
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 :