شبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)
- سال انتشار: 1392
- محل انتشار: مجله جغرافیا و برنامه ریزی محیطی، دوره: 24، شماره: 3
- کد COI اختصاصی: JR_GEP-24-3_005
- زبان مقاله: فارسی
- تعداد مشاهده: 185
نویسندگان
دانشگاه اصفهان
دانشگاه اصفهان
دانشگاه اصفهان
چکیده
سیل، یکی از پدیده های ویرانگر طبیعی است که پیش بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تاثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R۲ جهت کارایی مدل، ۶ سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبیه سازی بارش- رواناب، مدلی است با ساختار۱-۳۲-۶ نرون در لایه های ورودی، پنهان و خروجی که مقادیر میانگین مربعات خطای مدل در مراحل مختلف آزمایش، صحت سنجی و آزمون به ترتیب؛ ۲۳/۰، ۱۹/۰ و ۲۱/۰ و ضریب همبستگی در بهترین سناریو به ترتیب؛ ۹۸%، ۹۷% و ۹۶% می باشد که حاکی از همبستگی بالا و معنی داری بین مقادیر مشاهداتی و مقادیر پیش بینی شده دارد. نتایج حاصل، توانایی بالای شبکه عصبی مصنوعی در مدله نمودن بارش- رواناب را به هنگام استفاده از پارامترهای وئومورفولوژیکی در حوضه فریدن به خوبی نشان می دهد.کلیدواژه ها
شبیه سازی بارش, شبیه سازی بارش- رواناب, رواناب, پرسپترون چند لایه, شبکه عصبی مصنوعی, حوضه فریدناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.