استفاده از شبکه عصبی مصنوعی در آنالیز حساسیت تاثیر پارامترها بر بار معلق رسوب ( مطالعه موردی لیقوان چای
محل انتشار: سومین کنگره ملی مهندسی عمران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,498
فایل این مقاله در 9 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:
NCCE03_030
تاریخ نمایه سازی: 27 شهریور 1385
چکیده مقاله:
در این تحقیق مدل شبکه عصبی مصنوعی (ANN) بعنوان یک مدل جعبه سیاه جهت بررسی تاثیر درجه حرارت و دبی جریان بر میزان بار رسوب معلق حوضه آبریز لیقوان چای معرفی می گردد. مدل شبکه عصبی مصنوعی با الگوریتم آموزشی لونبرگ- مارگارت قانون یادگیری پس انتشار خطا (BP) برای تعیین ساختار بهینه مدل استفاده گردید. پس از تعیین ساختار بهینه مدل، تمام الگوریتمهای آموزشی قانون پس انتشار خطا نیز مورد بررسی قرار گرفتند تا مقایسه ای بین نتایج مدل ANN با نتایج مدلهای آماری همچون مدل رگرسیون، مدل سری زمانی خود همبسته (AR)،مدل منحنی توانی و مدل رگرسیون خطی چند متغیره (MLR) صورت گرفت. از روی نتایج حاصله می توان عملکرد بهتر مدل ANN بر مدلهای آماری کلاسیک را بیان کرد، آما مورد مدل خود همیشه مرتبه بالاتر، مدل ANN بر مدلهای آماری کلاسیک را بیان کرد، اما در مورد مدل خود همبسته مرتبه بالاتر، مدل ANN توانایی کمتری در انعکاس رفتار استوکاستیکی متغیرهای هیدرولوژیکی داشته و اغلب در پیش بینی های قطعی بکار گرفته می شود. در این تحقیق حساسیت کمتر رسوب معلق به درجه حرارت محیط استنباط شده است.
کلیدواژه ها:
نویسندگان
وحید نورانی
استادیار دانشکده مهندسی عمران دانشگاه تبریز
محمدتقی اعلمی
استادیار دانشکده مهندسی عمران دانشگاه تبریز
محمدحسین امین فر
استادیار دانشکده مهندسی عمران دانشگاه تبریز
احد نورپور
کارشناس ارشد مهندسی آب دانشگاه تبریز
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 :