ارزیابی میزان کاراییروش شبکه عصبی مصنوعی در برآورد بار رسوبی معلق (مطالعه موردی : ایستگاه سیلاخور در استان لرستان)

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 707

فایل این مقاله در 8 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:

IREC09_494

تاریخ نمایه سازی: 19 اسفند 1391

چکیده مقاله:

پدیده فرسایش خاک از مواردی است که با به مخاطره انداختن بستر حیات انسان، عواقب ناگوار غیر قابل جبرانی را در دراز مدت باعث می گردد. تخمین مقدار بار رسوبی رودخانه از اهمیت زیادی برخوردار است.تاکنون عامل مشخص و معینی به عنوان عامل اصلی فرسایش آبی معرفی نشده است بلکه شرایط فرسایش موجود در منطقه معلول تاثیر متقابل مجموعه عوامل موثر در ایجاد فرسایش است عدم کفایت روش های ارائ هشده برای تخمین رسوب انتقالی توسط رودخانه ها محققان را به استفاده از روش های مبتنی بر هوش مصنوعی نظیر روش شبکه عصبی مصنوعی ترغیب کرده است. در این تحقیق با استفاده از روش شبکه عصبی مصنوعیبه تخمین بار معلق رسوبی حوزه آبخیز تیره استان لرستان پرداخته شد و نتایج آن با روش رگرسیون خطی چند متغیره مقایسه گردید. به منظور برآورد بار معلق رسوبی، داده ها به دو سری آموزشی و آزمایشی تقسیم شدند وبا تغییرتعداد لایه پنهان و تعداد نودها در لایه مخفی بهترین ساختار برای شبکه انتخاب گردید. مقایسه نتایج نشان داد که نتایج بدست آمده از روش شبکه عصبی مصنوعی خطای کمتر و صحت بالاتری نسبت به روش رگرسیون خطی چند متغیره دارد، بنابراین استفاده از شبکه عصبی مصنوعی به عنوان یک مدل غیرخطی میتواند در این راستا مفید باشد. آرایش مناسب بدست آمده در این تحقیق یک لایه مخفی و 4 نورون در لایه مخفی می باشد

کلیدواژه ها:

بار رسوب معلق ، رگرسیون چند متغیره خطی ، شبکه عصبی مصنوعی ، تخمین ، حوزه آبخیز تیره سیلاخور

نویسندگان

سیاوش کیارش

دانشآموخته کارشناسی ارشد آبخیزداری،دانشگاه آزاد اسلامی واحد علوم و

اکرم السادات اندرامی

،دانش آموخته کارشناسی ارشد بیابان زدایی،دانشگاه سمنان

آرش ملکیان

استادیار دانشکده منابع طبیعی دانشگاه تهران

محمد مهدوی

استاد دانشکده منابع طبیعی دانشگاه تهران

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 :
  • جهانگیر، ع. و همکاران .(1384). "شبیه سازی فرآیند بارش- رواناب ...
  • شفیعی، م و همکاران. (1385)بررسی سیلاب منطقه ای با دوره ...
  • بیل، آ.تی، ج(1380. آشنائی با شبکه عصبی .ترجمه محمود البرزی‌آتهران‌آ: ...
  • میر باقری، س. رجایی، ط. (1383). "استفاده از شبکه های ... [مقاله کنفرانسی]
  • مقایسه کارایی مدلهای شبکه عصبی مصنوعی، رگرسیون چند متغیره و سنجه-رسوب در برآورد بار معلق رودخانه هراز [مقاله کنفرانسی]
  • کیارش، س.(1389) "بررسی کارایی روش شبکه عصبی مصنوعی در برآورد ...
  • Nourani, V. (2009). USING ARTIFICIAL NEURAL NETWORKS (ANNs) FOR SEDIMENT ...
  • Kisi, O.(2009). Evolutionary fuzzy models for river suspended sediment concentration ...
  • YANG, C.T., MARS OOLI, R., AALAMI, M. (2009). Evaluation of ...
  • Melesse, A.M et al.(2011). Suspended sediment load prediction of river ...
  • Alp, M., Cigizoglu, H.K. , 2007 .Suspended sediment load simulation ...
  • Rajaee, T et al, 209. Daily suspended sediment concentration simulation ...
  • Chiang, J.L and Yeh, C.H, 2010. Suspended Sediment Forecasting in ...
  • Shahid Chamran University, 22-24 jan 2013, Ahwaz ...
  • th Internationl River Engineering Conference Shahid Chamran University, 22-24 jan ...
  • نمایش کامل مراجع