بررسی اثر تغییر توابع فعال ساز در تخمین بهره وری شبکه های آبیاری با شبکه های عصبی مصنوعی در روش های RBF وMLP

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 150

فایل این مقاله در 14 صفحه با فرمت PDF و WORD 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:

IDNC06_003

تاریخ نمایه سازی: 6 اردیبهشت 1402

چکیده مقاله:

بهره گیری از ظرفیت توابع محاسباتی در دهه های اخیر در راستای علوم مهندسی و علی الخصوص توان شبیه سازی علوم یادگیری ماشین (در این تحقیق، شبکه عصبی) دیرزمانی است که محققین را به فکر استفاده و ارائه از توابع شبیه ساز کرده است. در این راستا و در جهت تعیین مقادیر مختلف شاخص ها با استفاده از مقادیر مشاهداتی، من جمله در علوم مهندسی آب و مهندسی شبکه های آبیاری و زهکشی، به کارگیری توان این توابع در تربیت و توسعه یک رابطه در جهت به کارگیری به ازای مقادیر اصلی و قابل پبیش-بینی که امری پیچیده و خطاساز است و به جهت نیل به یک وحدت رویه در تمامی موارد مشابه به یک هدف اولی بدل شده است.با توجه به تعریف توسعه پایدار یا همه جانبه، که فرآیندی است که در استفاده بهینه از منابع من جمله منابع محدود تجدیدپذیر آب شیرین و کم نمودن اثرات اکوسیستمی جابجایی و انتقال آب جهت مصارف انسانی به خصوص جهت کشت محصولات نقش مهمی ایفا می کند. برای ارزیابی میزان بهینه بودن مصرف و تعادل بخشی به آن، یک شاخص مهم میزان بهره وری یا به عبارتی چگونگی استفاده از نهاده ها یا عوامل تولید در یک فرایند تولید ویژه، یک دوره معین و یک محدوده جغرافیایی مشخص برای دستیابی به اهداف تعیین شده مربوط هست که بصورت ساده نسبت ستاده به نهاده تعریف شده است. روشهای مختلف ارزیابی بهره وری به جهت پیچیدگی روابط و مجهول بود تاثیر هریک از متغییرهای تولید در آن، همواره در حال پیشرفت است. در جدیدترین تلاشها ازهوش مصنوعی و استفاده از شبکه های عصبی مصنوعی نتایج جالب توجهی بدست آمده است. از روشهای پرکاربرد در تخمین توابع با روابط پیچیده، شبکه های عصبی مصنوعی MLP و RBF بوده اند که هر کدام نیز دارای تنوع در توابع مورد استفاه هستند. در تحقیق حاضر و به پیروی از نتایج تحقیقات مشابه قبلی سعی شد، نقش تغییر در تابع های فعالساز، انواع توابع خطی و شعاعی radbas در شبکه MLP و همچنین کرنل در شبکه مبتنی بر توابع پایه شعاعی یا RBF، مورد بررسی و با ضریب تبیین و جذر میانگین مربعات خطا (RMSE) و خطای میانگین مربعات (MSE) مورد مقایسه قرار گیرد. نتایج حاکی از مطلوبیت شبکه پرسپترن چندلایه با استفاده از تابع انتقالی یا فعالساز radbas درشرایط تنظیم شده بود.

کلیدواژه ها:

توسعه همه جانبه ، بهره وری ، شبکه های آبیاری ، MLP و RBF ، توابع فعالساز شبکه عصبی مصنوعی

نویسندگان

سیدامیرهادی صفوی نیا

دانشجوی کارشناسی ارشد سازه های آبی دانشگاه تهران

مصطفی اصلانی

دانشجوی دکتری سازه های آبی دانشگاه تربیت مدرس

سیدمهدی هاشمی شاهدانی

دانشیار گروه سازه های آبی دانشگاه تهران