پیش بینی رسوب در حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,550
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:
NCTOCE01_068
تاریخ نمایه سازی: 3 آذر 1392
چکیده مقاله:
پیش بینی رسوب از جمله مسائل مهم وکاردبردی در مدیریت منابع آب است .اندازه گیری به روش های مرسوم مستلزم صرف هزینه و دقت زیادی است وگاهی از دقت کافی برخوردار نیست . یک از روش های نوین در حل مسائل منابع آب و رودخانه استفاده از روش شبکه عصبی مصنوعی است با الگو برداری از مغز انسان ضمن اجرا فرآیند آموزش ، روابط بین داده های را نیز استخراج می کند. در این مطالعه از داده های دبی رودخانه ، غلظت رسوب، میزان رسوبات حمل شده، دما و بارش در سه ایستگاه قبقبلو، پل آنیان و ساریقمیش که کاملترین آمار را نسبت به سایر ایستگاه های حوضه زرینه رود داشتند استفاده گردید. بدین منظور بعد از رفع نواقص آماری و حذف داده های پرت، 60 درصد داده ها جهت آموزش ، 10 درصد اعتبار سنجی و 30 درصد برای آزمون مورد استفاده قرار گرفت. بعد از استاندارد کردن داده ها به روش نرمالیزه کردن شبکه های عصبی پرسپترون چندلایه، آنالیز مولفه های اصلی، مدل عصبی، تابع پایه شعاعی و شبکه پیشخور عمومی با توابع انتقالی تانژانتی، سیگوئیدی، تانژانت خطی و سیگموئید خطی ایجاد شد.به این منظور از معیار هایMSE, MAE وR2 استفاده گردید. نتایج نشانگر عملکرد بهتر پرسپترون چندلایه با ضریب رگرسیون 0/92در ایستگاه قبقبلو، در ایستگاه ساریقمیش شبکه پیشخور عمومی با ضریب رگرسیون0/90وشبکه مدل عصبی با ضریب رگرسیون 0/885 در ایستگاه پل آنیان در برآورد رسوبات است
کلیدواژه ها:
نویسندگان
مهین نجف دیزجی
دانشجوی کارشناسی ارشدزمین شناسی– سنگ های رسوبی و رسوب شناسی دانشگاه آزاد اسلامی واحد تبریز
عادل نجف زاده
دکتری زمین شناسی ، استاد دانشگاه آزاد اسلامی تبریز
رامین رستمی
دکتری علوم ومهندسی آبیاری، استادیار دانشگاه آزاد اسلامی میاندوآب
جواد خانی
فوق لیسانس منابع آب ، هینت علمی مرکز تحقیقات و منابع طبیعی استان آذربایجان غربی
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 :