پیش بینی احتمالاتی هیدرولوژیکی با استفاده از شبکه های عصبی آماری
محل انتشار: دومین کنفرانس مدیریت منابع آب
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,651
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM02_221
تاریخ نمایه سازی: 2 مرداد 1385
چکیده مقاله:
پیش بینی متغیرهای هیدرولوژیکی یکی از مهم ترین چالش ها در برنامه ریزی و مدیریت منابع آب است. استفاده از پیش بینی های احتمالاتی به ویژه در افق های زمانی بلند مدت، نسبت به پیش بینی های قطعی از اولویت بیشتری برخوردار بوده و با واقعیت ها انطباق بیشتری دارد. شبکه های عصبی مصنوعی ابزار مناسبی برای پیش بینی سیستم های غیر خطی نظیر پیش بینی های هیدرولوژیکی می باشند. هرچند ضعف بزرگ اغلب این نوع شبکه ها، ارائه تخمین های قطعی وغیر احتمالاتی است. در این مقاله برای غلبه بر این ضعف شبکه های عصبی متداول و به عنوان یک راه حل مناسب ، یک شبکه عصبی آماری تدوین و ارائه میشود. این شبکه ترکیبی از شبکه های عصبی آماری و شبکه عصبی پرسپترون چند لایه می باشد که ازمزیت هر دوی این شبکه ها برای انجام پیش بینی های احتمالاتی به ویژه در شرایط غیر همگن بهره می برد. عملکرد شبکه عصبی ترکیبی ارائه شده، شبکه عصبی RBF و مدل آماری K-NN در قالب پیش بینی حجم رواناب فصلی ورودی به سد زاینده رود مقایسه می گردد. نتایج، نشان دهنده برتری شبکه عصبی ترکیبی ارائه شده در ارائه پیش بینی های بلند مدت بر اساس دو معیار دقت و اطمینان پذیری پیش بینی می باشد.
کلیدواژه ها:
نویسندگان
شهاب عراقی نژاد
دانشکده مهندسی آب و خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :