ارزیابی و مقایسه عملکرد شبکه های عصبی مصنوعی GFF,MLP در شبیه سازی شاخص کیفی Sar مطالعه موردی رودخانه سیستان

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,064

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WFP01_117

تاریخ نمایه سازی: 22 خرداد 1391

چکیده مقاله:

ازم همترین پارامترهای کیفی آب نسبت جذبی سدیم SAR است که برآورد و یافتن مدلی بصرفه برای پیش بینی SAR ضروری به نظر می رسد یکی از مدلهای پیش بینی کیفی که اخیرا کاربرد زیادی را در مهندسی آب پیدا نمودها ست مدل شبکه های عصبی مصنوعی می باشد تحقیق حاضر به منظور شبیه سازی آب رودخانه سیستان درطی سالهای 75تا89 درایستگاه های پایاب سد کهک با استفاده از پارامترهای کلر CL شوری eC قلیائیت PH و کل مواد محلول TDS با استفاده از شبکه عصبی مصنوعی با الگوریتم های GFF,MLP صورت پذیرفت بدین منظوردرهر مورد شبکه با ساختارهای مختلف مورد بررسی قرار گرفت درنهایت با ارزیابی تمام یمدهای مشخص گردید که هنگامی که از شبکه عصبی از نوع MLP با یک لایه پنهان و با تعداد 5 نرون استفاده شد شاخص sAR با MSE=1/05 Á R2 =0/92 بهتر از دیگر مدلها پیش بینی گردید.

نویسندگان

جابر سلطانی

استادیار دانشگاه زابل

نوشین سارانی

دانشجویان کارشناسی ارشد آبیاری و زهکشی

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 :