بررسی کارایی شبکه عصبی مصنوعی در برآورد رسوبات معلق(مطالعه موردی:حوزه آبخیز صنوبر تربت حیدریه)
Publish place: 2nd International Conference on New Findings in Agricultural Sciences, Natural Resources and Environment
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 593
This Paper With 8 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:
NEWCONF02_080
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
همواره از دبی جریان به عنوان مهم ترین عامل انتقال رسوب یاد می شود. با توجه به پیچیدگی فرایند تولید وحمل رسوب و عدم امکان تعیین دقیق معادلات حاکم بر آن همچنین به دلیل وجود پارامترهای مختلف و تاثیر تغییرات مکانی و زمانی شرایط هیدرولوژیکی حوزه آبریز، محققان جهت برآورد دبی رسوب به استفاده از مدل های جعبه سیاه ، نظیر شبکه های عصبی مصنوعی(ANN)، روی آورده اند.در این بررسی از داده های همزمان دبی آب و دبی رسوب ایستگاه آب سنجی صنوبر شهرستان تربت حیدریه در بازه زمانی 1350-1388جهت مدل سازی رسوب معلق روزانه استفاده شده است. اجزای شبکه عصبی مصنوعی در محیط نرم افزار نروسلوشن 5 2 انجام شد. بر این اساس ساختارهای متفاوتی از شبکه عصبی مصنوعی (مدل پرسپترون چندلایه) با آرایش های دولایه و تعداد نرون های متفاوت در هر لایه میانی برای مقادیر مختلف دبی رسوب اراثه شد. به این منظور بعد ار رفع نواقص آماری حذف داده های پرت توسط نرم افزار Spss ، ر60درصد داده ها جهت آمورش و 15 درصد داده ها جهت قابلیت ارزش دهی و 25 درصد برای مرحله اعتبار سنجی وارد نرم افزار گردید. در این پیش بینی مقدار R2 برابر با0/99 و RMSE برابر با 0/014است که نشان ار توانایی بالای شبکه عصبی مصنوعی در پیش بینی و مدل سازی رسوب دارد.
Keywords:
Authors
سید جواد سعادتپور
دانشجوی کارشناسی ارشدآبخیزداری دانشگاه تربت حیدریه،ایران
مریم آذرخشی
استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه تربت حیدریه،ایران
علیرضا نژاد محمد نامقی
دانشجوی دکترای بیابان زدایی 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 :