پیش بینی ضریب انتشار طولی در رودخانه های طبیعی با مدل توسعه یافته شبکه عصبی

  • سال انتشار: 1389
  • محل انتشار: مجله آب و فاضلاب، دوره: 21، شماره: 76
  • کد COI اختصاصی: JR_WWJ-21-76_013
  • زبان مقاله: فارسی
  • تعداد مشاهده: 589
دانلود فایل این مقاله

نویسندگان

روح اله نوری

دانشجوی دکترای مهندسی محیط زیست ، دانشکده محیط زیست ، دانشگاه تهران

عبدالرضا کرباسی

استادیار ، دانشکده محیط زیست ، دانشگاه تهران

حمید مهدیزاده

کارشناس ارشد مهندسی شیمی ، پژوهشگاه صنعت نفت ، تهران

چکیده

هدف اصلی این مقاله پیش بینی ضریب انتشار طولی در رودخانه های طبیعی با استفاده از مدل توسعه داده شده شبک عصبی مصنوعی بر مبنای توابع آموزش شبه - نیوتنی بود . به این منظور از اطلاعات هیدرولیکی و هندسه جریان استفاده گردید . مجموع کل اطلاعات مورد استفاده در این تحقیق ، 100 سری داده بود که به سه دسته آموزش ، دسته نظارت بر آموزش و دسته آزمایش تقسیم شد. در این تحقیق ، ابتدا با دیدی انتقادی به مرور برخی از مهمترین تحقیقات انجام گرفته در این زمینه پرداخته شد که نتیجه آن نمایان ساختن اشکالات موجود در برخی از این مطالعات بود . در گام بعدی به منظور ارائه مدلی که قادر به مدل سازی ضریب انتشار طولی در رودخانه های طبیعی باشد ، رویکردی جدید از شبکه عصبی بر مبنای توابع آموزش شبه - نیوتنی که کمتر مورد توجه محققان بوده ، معرفی شد . در نهایت نیز با بررسی نقش این دسته از توابع آموزش بر عملکرد شبکه ، بهترین ساختار شبکه برای این منظور پیشنهاد گردید . نتایج به دست آمده از این تحقیق بیانگر دقت قابل قبول مدل پیشنهادی بود به طوری که مقادیر ضریب تعیین و میانگین قدر مطلق خطا برای مرحله آزمایش به ترتیب معادل 0/85 و 53 بود.

کلیدواژه ها

ضریب انتشار طولی ، شبکه عصبی مصنوعی ، توابع آموزش شبه - نیوتنی ، پیش بینی

مقالات 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.