ارزیابی کارایی شبکه های عصبی استاتیکی و دینامیکی در پیش بینی جریان ورودی به مخزن سد : مطالعه موردی سد سفیدرود
Publish place: 14th Iranian Hydraulics Conference
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 747
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:
IHC14_125
Index date: 6 March 2016
ارزیابی کارایی شبکه های عصبی استاتیکی و دینامیکی در پیش بینی جریان ورودی به مخزن سد : مطالعه موردی سد سفیدرود abstract
پیش بینی دقیق جریان های ورودی به مخزن سد می تواند نقش مهمی در ارتقای مدل های بهره برداری مخازن و کنترل سیلاب داشته باشد. در این تحقیق جریان ورودی به مخزن سد سفیدرود با استفاده از مدل های شبکه عصبی استاتیکی پرسپترون چندلایه (MLP)، دینامیکی غیرخطی خودبازگشتی (NAR) و دینامیکی غیرخطی خودبازگشتی با ورودی بیرونی (NARX) پیش بینی شده است. تمامی مدل های مذکور به کمک داده های دبی و بارش با تاخیرهای زمانی مختلف و همچنین با تعداد نورون های مختلف در لایه میانی آموزش داده شدند. تحلیل نتایج بدست آمده نشان دهنده آنست که دقت پیش بینی مدل های دینامیکی در تاخیرهای زمانی بالا از مدل های استاتیکی بیشتر است. همچنین، استفاده از 12 گام تاخیر زمانی و داده های دبی و بارش به منظور آموزش شبکه می تواند موجب بهبود عملکرد مدل های استاتیکی و دینامیکی شود.
ارزیابی کارایی شبکه های عصبی استاتیکی و دینامیکی در پیش بینی جریان ورودی به مخزن سد : مطالعه موردی سد سفیدرود Keywords:
پیش بینی جریان , شبکه عصبی مصنوعی , شبکه پرسپترون چندلایه , شبکه غیرخطی خودبازگشتی , شبکه غیرخطی خودبازگشتی با ورودی بیرونی , سد سفیدرود
ارزیابی کارایی شبکه های عصبی استاتیکی و دینامیکی در پیش بینی جریان ورودی به مخزن سد : مطالعه موردی سد سفیدرود authors
پدرام پیشگاه هادیان
دانشجوی کارشناسی ارشد، گروه عمران، دانشکده فنی و مهندسی، دانشگاه اصفهان
رامتین معینی
استادیار، گروه عمران، دانشکده فنی و مهندسی، دانشگاه اصفهان
اقبال احسان زاده
استادیار، گروه عمران، دانشکده فنی و مهندسی، دانشگاه اصفهان
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 :