توسعه مدل شبکه عصبی بر مبنای توابع آموزش گرادیان مزدوج و پس انتشار ارتجاعی برای پیش بینی ضریب انتشار طولی رودخانه ها
- سال انتشار: 1398
- محل انتشار: مجله مهندسی منابع آب، دوره: 12، شماره: 41
- کد COI اختصاصی: JR_WEJMI-12-41_005
- زبان مقاله: فارسی
- تعداد مشاهده: 194
نویسندگان
دانشگاه تهران
دانشگاه تهران
دانشگاه تهران
دانشگاه تهران
چکیده
گام اساسی در مدل سازی کیفی محیط های آبی یک بعدی مانند رودخانه ها، تعیین ضریب انتشار طولی (LDC) برای معادله ی انتقال-پخش آلاینده ها است. در این مقاله برای پیشبینی LDC، مدل شبکه ی عصبی مصنوعی (ANN) بر مبنای الگوریتم های آموزشی با رویکرد عددی و همچنین رویکرد اکتشافی توسعه داده شده است. برای این منظور توابع آموزشی گرادیان مزدوج شامل توابع فلچر-ریوس، پولاک-ریبره، پاول-بیل و گرادیان مزدوج مقیاسدار از دسته الگوریتم های عددی و همچنین تابع پس انتشار ارتجاعی از دسته الگوریتم های اکتشافی برای بهینه سازی پارامترهای مدل ANN استفاده شدند. در مرحله ی بعد با استفاده از آمارههای بررسی شده برای ارزیابی نتایج، بهترین مدل با ساختار شامل هر یک از توابع نامبرده انتخاب شدند و در ادامه از بین مدلهای منتخب، مدلی که بهترین عملکرد را داشت، یعنی مدل با تابع آموزش پس انتشار ارتجاعی، با توجه به آماره ی نسبت تفاوت توسعه یافته (DDR)، به عنوان نتیجه نهایی این مقاله برگزیده شد. در پایان نیز برای ارزیابی بهتر نتایج تحقیق، رویکردی مقایسه ای بین نتیجه بهترین مدل توسعه داده شده با دیگر مطالعات انجام گرفته به وسیله مدل های هوشمند انجام شد که یافته ها حاکی از عملکرد برتر مدل پس انتشار ارتجاعی بود.کلیدواژه ها
ضریب پخش طولی, آلودگی آب, مدل های هوشمند, الگوریتم آموزشاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.