ارزیابی شبیه های مختلف شبکه ی عصبی مصنوعی و روشهای زمین آمار درتکمیل داده های مفقود بارش روزانه
محل انتشار: مجله مهندسی منابع آب، دوره: 8، شماره: 26
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 41
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WEJMI-8-26_006
تاریخ نمایه سازی: 28 بهمن 1402
چکیده مقاله:
افزایش دقت براورد دادههای مفقود بارش روزانه، بویژه در حوضههای بزرگ آبخیز با شبکه باران سنجی غیر متراکم، یکی از چالشهای آبشناسها میباشد. در این مطالعه، شش شبیه شبکه عصبی مصنوعی به نامهای MLP، TLFN، RBF، RNN، TDRNN وCFNN با روشهای مختلف اعتبار سنجی برای تکمیل دادههای مفقود بارش روزانه در مقایسه با روشهای زمین آمار کریجینگ و کوکریجینگ با شبیههای مختلف مورد بررسی قرار گرفته اند. برای ارزیابی دقت شبیههای مختلف در تکمیل دادههای مفقود، از دادههای بارش ۱۵ ایستگاه بارانسنجی موجود در حوضهی رود کرخه استفاده شده است. نتایج نشان میدهند که شبیههای MLP، TLFN، CFNN وکوکریجینگ میتوانند دقیقترین برآورد را از مقادیر گم شده ارائه دهند، هرچند به نظر میرسد که شبیه MLP در براورد دادههای مفقود بارش موثرتر از بقیه است. همچنین، بر اساس نتایج به دست آمده، شبیه RNN و TDRNN در مورد دادههای بارش تناسب کمتری داشته، و ضعیفترین نتیجه مربوط به شبیه RBF است. روش کریجینگ از روشهای برتر عملکرد ضعیفتری داشته، اما از شبیههای RNN و TDRNNو RBF بهتر است.
کلیدواژه ها:
نویسندگان
نادره طایفه نسکیلی
دانشجوی دکترای گروه عمران، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
بنفشه زهرائی
دانشیار دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران
بهرام ثقفیان
استاد گروه عمران، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
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 :