مدل بارندگی-رواناب با استفاده از تئوری موجک و شبکه های عصبی مصنوعی (مطالعه موردی هلیل رود)
Publish place: 7th International Congress on Civil Engineering
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,882
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE07_317
تاریخ نمایه سازی: 29 دی 1384
Abstract:
ظهور تئوریهای توانمند مانند منطق فازی و شبکه های عصبی مصنوعی (ANN) ، الگوریتم ژنتیک و اخیرا موجک تحولی عظیم در تحلیل رفتار سیستم های دینامیک در علوم مختلف مهندسی آب ایجاد کرده است. در تحقیق حاضر عملکرد شبکه عصبی پرسپترون چند لایه (MLP)، در برآورد و پیش بینی جریان روزانه رودخانه هلیل با استفاده از الگوریتم آموزشی پس انتشار خطا بررسی شده و به منظور بالا بردن راندمان عملکرد شبکه عصبی مصنوعی، داده های آموزشی و آزمون با استفاده از موجک به سیگنالهایی تفکیک شده اند (افزار گردیده اند). با استفاده از داده های موجکی شبکه را آموزش داده و سپس نتایج آزمون با عکس تبدیل موجک به حالت نرمال برگردانده شده و نتایج محاسباتی و مشاهداتی مورد ارزیابی آماری قرار گرفته اند. نتایج حاکی از بهبود عملکرد شبکه عصبی مصنوعی با استفاده از داده های موجکی می باشد.
Keywords:
Authors
مجتبی نوری
دانشجوی کارشناسی ارشد سازه های آبی دانشگاه شهید باهنر کرمان
محمدباقر رهنما
استادیار بخش آبیاری دانشگاه شهید باهنر کرمان
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 :