پیش بینی جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی
Publish place: 5th Iranian Hydraulic Conference
Publish Year: 1384
Type: Conference paper
Language: Persian
View: 2,480
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IHC05_145
Index date: 28 November 2005
پیش بینی جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی abstract
شبکه های عصبی مصنوعی از جمله موارد هوش مصنوعی می باشند که قابلیت انعطاف پذیری زیادی دارند و جهت ایجاد مدل نیاز به فرایندهای پیچیده فیزیکی ندارد. این شبکه ها قادرند روابط بین ورودیها و خروجیها را بخوبی مشخص نمایند. جهت انجام این تحقیق مدلی از شبکه عصبی جهت پیش بینی رفتار رودخانه پلاسجان مورد ارزیابی قرار گرفت. اطلاعات یا لایه ورودی به مدل شبکه عصبی، اطلاعات مربوط به 5 ایستگاه باران سنجی و یک ایستگاه اندازه گیری درجه حرارت بود. خروجی مدل یا لایه خروجی، جریان عبوری از ایستگاه هیدرومتری اسکندری بود که کلیه جریانهای بالادست از آن عبور می کند. مدل پرسپترون چند لایه جهت بررسی انتخاب گردید. ساختارهای گوناگونی از مدل شبکه عصبی با تغییر در لایه های ورودی، تعداد گره ها در هر لایه لایه مخفی میزان یادگیری و گشتاور و نوع تابع ایجاد گردید. مناسبترین مدل، مدلی با ساختار 6،4،1 با 4 گره در لایه مخفی تعیین شد و مبنای آن تست انجام گرفت: نتایج بیانگر این بود که با افزایش تعداد لایه مخفی میزان خطا افزایش می یابد و کارایی این نوع مدل دذر پیش بینی جریان نسبتا خوب بود. این شبکه های عصبی قادرند رفتار رودخانه را نسبت به بارندگی بخوبی مشخص نمایند.
پیش بینی جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی Keywords:
پیش بینی جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی authors
محمدرضا یزدانی
کارشناس ارشد آبخیزداری مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان
ستار چاوشی
مربی پژوهشی عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان اصف
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 :