پیش بینی سطح ایستابی در سامانه های زهکشی زیستی در مناطق نیمه خشک با استفاده از مدل های SAHYSMOD و شبکه عصبی مصنوعی
Publish place: The first national conference on meta-heuristic algorithms and their applications in science and engineering
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 530
This Paper With 10 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:
MHAA01_096
تاریخ نمایه سازی: 17 اسفند 1393
Abstract:
بالا آمدن سطح آب زیرزمینی وبه دنبال آن ماندابی شدن و شوری ثانویه خاک یک مشکل جدی دراراضی فاریاب مناطق خشک و نیمه خشک است برای احیای خاکهای شوروماندابی تکنیک متعارف زهکشی زیرسطحی است که نسبتا گران است و پساب زهکشی مضر تولید می کند یک جایگزین مناسب برای تکنیک بالا میتواند زهکشی زیستی باشد دراین تحقیق به منظور بررسی کارایی مدل شبکه عصبی مصنوعی درخصوص پیش بینی رفتارسامانه های زهکشی زیستی درمناطق نیمه خشک نتایج بدست آ»ده بانتایج حاصل ازمدل SAHYSMOD مقایسه گردید بدین منظور بااستفادها زشبکه پرسپترون چندلایه mlp قانون یادگیری پس انتشار خطا bp الگوریتم لونبرگ مارکوارت LM و معیارهای RMSE وr2 جهت کارایی مدل دوسناوری تعریف گردید بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی مصنوعی جهت شبیه سازی سطح ایستابی درسامانه های زهکشی زیستی درمناطق نیمه خشک ومدلی است باساختار11نرون درلایه ی ورودی 29نرون درلایه پنهان و1نرون درلایه خروجی که مقادیرمیانگین مربعات خطای مدل درمراحل مختلف ازمایش اعتبارسنجی و ازمون به ترتیب برابر با 0/95و0/104و0/86 و ضریب همبستگی دربهترین سناریو به ترتیب برابر 0/9994و0/9990و0/9994 می باشد که حاکی ازهمبستگی بالا و معنی داری بین مقادیر هدف و مقادیر پیش بینی شده دارد
Keywords:
Authors
طاهره شهبازی
گروه مهندسی آبیاری وزهکشی پردیس ابوریحان دانشگاه تهران
محمود مشعل
گروه مهندسی آبیاری وزهکشی پردیس ابوریحان دانشگاه تهران
جابر سلطانی
گروه مهندسی آبیاری وزهکشی پردیس ابوریحان دانشگاه تهران
مریم وراوی پور
گروه مهندسی آبیاری وزهکشی پردیس ابوریحان دانشگاه تهران
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 :