مقایسه قابلیت شبکه عصبی مصنوعی و توابع رگرسیونی در برآورد بار معلق رودخانه
Publish place: Fourth National Conference on Watershed Management Science and Engineering of Iran Watershed Management
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,580
This Paper With 11 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:
WATERSHED04_127
تاریخ نمایه سازی: 28 دی 1386
Abstract:
برآورد بار رسوبی در رودخانه ها و آبراهه های آبرفتی یکی از مهمترین و در عین حال مشکل ترین بخش مطالعات مربوط به رسوب می باشد. در این تحقیق عملکرد شبکه عصبی مصنوعی و مدل های رگرسیونی جهت برآورد بار معلق رودخانه مورد بررسی قرار گرفت. در این مطالعه از 30 نوع الگوی رگرسیونی استفاده شده است. که بهترین الگو بر اساس پارامترهای آماری مختلف که با استفاده از نرم افزار MATLAB محاسبه شده اند انتخاب گردید. سپس از طریق مدل MLP با الگوریتم پس انتشار خطا و با قانون یادگیری مارکوات لونبرگ اقدام به انتخاب بهترین الگوی شبکه عصبی نموده و در نهایت با استفاده از تجزیه و تحلیل آماری نتایج بدست امده از توابع رگرسیونی و شبکه عصبی با هم مقایسه گردیده اند. نتایج این تحقیق نان داد که در دو فصل تابستان و پاییز شبکه عصبی مصنوعی بهتری نسبت به مدلهای رگرسیونی داشته اند. در حالیکه برای دو فصل بهار و زمستان عملکرد مدل های رگرسیونی بهتر بوده است. و همچنین در چهار فصل بهترین نتایج مربوط به فصل تابستان بدست امده است.
Keywords:
Authors
منصور نجفی حاجی ور
دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه تهران
ابراهیم رحمانی
دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه تهران
ابوالحسن فتح آبادی
دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه تهران
سیدمهدی رضوی
دانشجوی کارشناسی ارشد بیابانزدایی، 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 :