بررسی تأثیر پارامتر های ورودی(آنالیز حساسیت) برعملکرد مدل های شبکه عصبی مصنوعی بارش- رواناب (مطالعه موردی حوزه آبریزطرق- خراسان رضوی)
- سال انتشار: 1392
- محل انتشار: پنجمین کنفرانس مدیریت منابع آب ایران
- کد COI اختصاصی: WRM05_324
- زبان مقاله: فارسی
- تعداد مشاهده: 545
نویسندگان
کارشناس ارشد عمران-آب، دانشگاه سیستان و بلوچستان
کارشناس ارشد عمران-آب، دانشگاه فردوسی مشهد
کارشناسی ارشد عمران-آب، دانشکده مهندسی، دانشگاه فردوسی مشهد
چکیده
یکی از پدیده های حائز اهمیت در هیدرولوژی فرایند بارش- رواناب می باشد.استفاده از شبکه های عصبی مصنوعی برای پیش بینی پدیده های هیدرولوژیکی با توجه به ماهیت غیرخطی و اتفاقی آن ها قابل توجیه است در این تحقیق، شش شبکه عصبی مصنوعی پرسپترون چند لایه مجزا با ورودی های مختلف با توابع محرک متفاوت استفاده شده است. بدین منظور بعد از تعیین تعداد نرون بهینه به ازای پارامترهای ورودی مختلف، میزان خطای تولید شده در پیش بینی سیلاب های متوسط محاسبه شده و از این طریق، تأثیر عوامل مختلف بر روی محاسبه دقیق تر سیلاب ها توسط شبکه بررسی شده است. در نهایت مشخص گردید دو مدل شبکه عصبی MLP با چهارده نرون ورودی و پانزده نرون در لایه میانی بهترین عملکرد را ارائه نمودند و پیش بینی ها با خطای کمتری محاسبه شده است.کلیدواژه ها
سیلاب، شبکه های عصبی مصنوعی، شبکه پرسپترون چند لایهمقالات مرتبط جدید
اطلاعات 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.