مقایسه روشهای شبکه عصبی مصنوعی و سیستم استنتاج عصبی فازی با منحنی سنجه رسوب (مطالعه موردی: رودخانه سولگان)
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 358
This Paper With 6 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:
CNRE02_281
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
در اغلب رودخانه های طبیعی بخش اعظم رسوبات به صورت بار معلق جابه جا میشوند. رسوبات حمل شده توسط رودخانه ها مشکلات زیادی از جمله رسوب گذاری در مخازن سدها وکاهش حجم مفید آنها، تغییر مسیر رودخانه به دلیل رسوب گذاری در بستر آنها، کاهش ظرفیت عبور آبراهه ها و تغییر کیفیت آب به لحاظ کاربردهای آشامیدن وکشاورزی را به وجود می آورند. ارائه روش و مدلی مناسب برای برآورد بارمعلق رودخانه ها کاربردهای فراوانی دارد، البته مدل های ریاضی از دقت کافی برخوردار نیستند. امروزه استفاده از سیستم های هوش مصنوعی به عنوان راهکاری جدید گسترش پیداکرده است. در تحقیق حاضر از منحنی سنجه رسوب و شبکه عصبی و سیستم استنتاج عصبی فازی(نروفازی) برای برآورد رابطه دبی رسوب رودخانه سولگان مربوط به سالهای 56 تا 81 استفاده شد (ایستگاه سولگان در استان چهارمحال و بختیاری قراردارد). نتایج نشان داد روش فازی باR2=0/95،RMSE=0/87 و MAE=0/47 از دقت بیشتری نسبت به مدل شبکه عصبی با R2=0/58،RMSE=1/04 وMAE=0/33 و روش رگرسیون با R2=0/34،RMSE=1/01 وMAE=0/99 برخوردار است. به طور کلی به ترتیب مدل های نروفازی و شبکه عصبی نسبت به منحنی سنجه بهترین نتایج را داشت.
Keywords:
Authors
زهرا محمد زاده شاهرودی
دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه زابل
نرگس محمد زاده شاهرودی
دانش آموخته کارشناسی زراعت دانشگاه زابل
ام البنی محمد رضا پور
عضو هیئت علمی گروه مهندسی آب دانشگاه زابل
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 :