پیش بینی دبی روزانه رودخانه زرینه رود با استفاده از شبکه پرسپترون چندلایه
Publish place: National Conference on Technology and New Technology Design, Calculation and Execution of Civil Engineering, Architecture and Urbanism
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 949
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:
DCECAU01_144
Index date: 22 June 2016
پیش بینی دبی روزانه رودخانه زرینه رود با استفاده از شبکه پرسپترون چندلایه abstract
آب های سطحی همواره به عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی مطرح بوده است. دشت زرینه رودنیز به عنوان یکی از دشت های مهم کشاورزی ایران، استفاده از آبهای سطحی و زیرزمینی را به عنوان مهمترینمنابع تولید اب شیرین در پیش رو دارد. در همین زمینه پیش بینی نوسانات دبی آب های سطحی این دشت می تواند کمک شایانی به برنامه ریزی و تصمیم گیری های بعدی، جهت تأمین درازمدت آب شرب، کشاورزی و صنعت نماید. در این تحقیق هدف تخمین دبی های ماهانه در حوضه رودخانه زرینه رود با استفاده از شبکه عصبی مصنوعی می باشد. روش شبکه عصبی مصنوعی یکی از روش های هوشمند می باشد که با استفاده از ارتباط ذاتی داده ها، روابط غیرخطی بین آنها را یاد گرفته و نتایج را برای بقیه حالت ها تعمیم می دهد. به منظور آموزش مدل، از اطلاعات ایستگاه هیدرومتری ساری قمیش و ایستگاه های هواشناسی موجود در منطقه استفاده شد. برای این تحقیق 60 مدل شبکه ساخته و با استفاده از تحلیل خطا و ضریب رگرسیون، بهترین توپولوژی برای شبکه انتخاب شد. نتایج نشان داد که انتخاب تعداد گره، نوع تابع آموزشی و تعداد لایه پنهان بر میزان دقت پیش بینی مؤثر می باشد.
پیش بینی دبی روزانه رودخانه زرینه رود با استفاده از شبکه پرسپترون چندلایه Keywords:
پیش بینی دبی روزانه رودخانه زرینه رود با استفاده از شبکه پرسپترون چندلایه authors
رامین رستمی
استادیار گروه عمران، دانشگاه آزاد اسلامی واحد میاندوآب، میاندوآب، ایران
فرید فرهودی
دانشجوی کارشناسی ارشد عمران آب، دانشگاه آزاد اسلامی واحد مراغه، مراغه، ایران
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 :