ترکیب روش شبکه های عصبی مصنوعی و مدل هیدرودینامیکی برای پیش بینی دقیق تر جریان رودخانه
- سال انتشار: 1383
- محل انتشار: مجله آب و فاضلاب، دوره: 15، شماره: 49
- کد COI اختصاصی: JR_WWJ-15-49_002
- زبان مقاله: فارسی
- تعداد مشاهده: 907
نویسندگان
استادیار دانشکده منابع طبیعی دانشگاه یزد
استاد گروه عمران دانشگاه تاتینگهام انگلستان
چکیده
در این تحقیق کاربرد روش سیستم عصبی مصنوعی در کاهش خطای مدل هیدرودینامیکی برای پیش بینی جریان رودخانه مورد بررسی قرار گرفته است . منطقه مورد مطالعه حوزه رینولدز کریک در جنوب غربی ایالت آیداهو در ایالات متحده آمریکا می باشد که دارای وسعتی معادل 239 کیلومتر مربع و اقلیم نیمه خشک است و به علت تغییرات بیش از حد بارندگی در نقاط مختلف این حوزه جریان رودخانه شدیداً متغیر است . در این تحقیق پس از کالیبراسیون و به کار بردن یک مدل هیدرودینامیکی یک بعدی برای پیش بینی وضعیت جریان در نقطه ای در پایین دست رودخانه یک مدل سیستم عصبی مصنوعی به عنوان پیش بینی کننده خطای مدل هیدرودینامیکی مورد استفاده قرار گرفت. با پیش بینی این خطا نتایج مدل هیدرودینامیکی به میزان قابل توجهی به مقادیر واقعی نزدیک تر شد. لازم به ذکر است که قبل از کاربرد ترکیبی این دو روش (مدل هیدرودینامیکی و سیستم عصبی مصنوعی ) هریک از این روش ها به تنهایی مورد استفاده قرار گرفته و نتایح حاصل از مقادیر واقعی مقایسه گردیده بود . نتایج حاصل از کاربرد ترکیبی این مدل از کیفیت به مراتب بالاتری نسبت به کاربرد هریک از آنها به تنهایی برخوردار است.کلیدواژه ها
سیستم عصبی مصنوعی ، پیش بینی جریان رودخانه ، مدل هیدرودینامیکی ، بهینه سازی نتایجمقالات 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.