انتخاب شبکه عصبی مناسب جهت شبیه سازی و پیش بینی بارمعلق رودخانه

هدف از این تحقیق انتخاب شبکه عصبی مناسب جهت شبیه سازی غلظت بار معلق رودخانه ساکرامنتو کالیفرنیا می باشد پس از جمع آوری داده های بار معلق و دبی روزانه ایستگاه فریپورت اقدام به شبیه سازی بار معلق توسط شبکه های عصبی مختلف شامل شبکه اتورگرسیو غیرخطی موازی (NARX-Parallel و سری - موازی ,(NARX-Series Parallel شبکه المن ELMAN) شبکه پرسپترون چندلایه MLP) و شبکه عصبی متمرکز برتاخیر زمانی پیش خور شده FFTD) و شبیه سازی با استفاده از داده های ورودی مختلف استفاده توام از دبی و غلظت بار معلق با تاخیر زمانی حالت الف دبی با تاخیر زمانی حالت ب و غلظت بار معلق با تاخیر زمانی حالت ج انجام شد بررسی نتایج شبیه سازی نشان داد که شبکه عصبی fftd می تواند به عنوان شبکه مناسب جهت شبیه سازی بار معلق رودخانه مطرح باشد.

کلیدواژه ها:

شبیه سازی ، غلظت بار معلق ، شبکه های عصبی مصنوعی ، رودخانه ساکرامنتو