انتخاب شبکه عصبی مناسب جهت شبیه سازی و پیش بینی بارمعلق رودخانه
عنوان مقاله: انتخاب شبکه عصبی مناسب جهت شبیه سازی و پیش بینی بارمعلق رودخانه
شناسه ملی مقاله: WFP01_024
منتشر شده در همایش ملی جریان و آلودگی آب در سال 1391
شناسه ملی مقاله: WFP01_024
منتشر شده در همایش ملی جریان و آلودگی آب در سال 1391
مشخصات نویسندگان مقاله:
رضا شیخی - دانشجوی کارشناسی ارشد مهندسی عمران محیط زیست
حمید طاهری شهرآئینی - استادیار دانشگاه تربیت مدرس
خلاصه مقاله:
رضا شیخی - دانشجوی کارشناسی ارشد مهندسی عمران محیط زیست
حمید طاهری شهرآئینی - استادیار دانشگاه تربیت مدرس
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.
کلمات کلیدی: شبیه سازی، غلظت بار معلق، شبکه های عصبی مصنوعی، رودخانه ساکرامنتو
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/148300/