برآورد هدایت هیدرولیکی اشباع خاک با استفاده از مدل تلفیقی شبکه عصبی مصنوعی والگوریتم ژنتیک

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 595

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NACONF02_0912

تاریخ نمایه سازی: 27 آبان 1393

چکیده مقاله:

شبکه های عصبی مصنوعی ابزار ریاضی قدرتمندی هستند که توانایی شبیه سازی فرآیندهای پیچیده را دارند.یکی از مهمترین ویژگی های فیزیکی خاک هدایت هیدرولیکی اشباع خاک است.در این مطالعه به منظور بهبودعملکرد شبکه عصبی مصنوعی در پیش بینی هدایت هیدرولیکی از الگوریتم ژنتیک به عنوان تابع آموزش و ازپارامترهای معادله ریچاردز و ون گنوختن مبنای مدلHYDRUSو مشخصات فیزیکی چاهک های پوشش دارحفر شده به عنوان پارامترهای ورودی شبکه استفاده گردید. از شاخص هایRMSE ،MSE،R2 به منظورارزیابی نتایج استفاده شد.نتایج بدست آمده حاکی از عملکرد بسیار خوب مدلANN_GAجهت پیش بینی این پارامتر می باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، الگوریتم ژنتیک ، هدایت هیدرولیکی اشباع خاک ، HYDRUS

نویسندگان

المیراسادات شمس امام زاده

دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

جابر سلطانی

استادیارگروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

محمود مشعل

دانشیارگروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

موسی کلانکی

کارشناس ارشد هوش مصنوعی، دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی علوم و فناوری های زیر دریا

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 :
  • مدلسازی حرکت ماهانه آب در لایه های مختلف خاک در یک کشت کنترل شده با مدل Hydrus-2D [مقاله کنفرانسی]
  • اژدری، خ، شبیه سازی توزیع رطوبت در خاک در سیستم ...
  • اسداله زاده، توحید _ اندازه گیری هدایت هیدرولیکی اشباع و ...
  • پرچمی عراقی، فرزین و میرلطیفی، سید مجید و قربانی دشتکی، ...
  • دعایی، میثم و شعبانپور شهرستانی، محمود و باقری، فرید، مدلسازی ...
  • رضایی ارشد، ر و صیاد، غ و مظلوم، م و ...
  • رضایی ارشد، ر و صیاد، غ و مظلوم، م و ...
  • شیرانی، ح و رفیع نژاد، ن، برآورد برخی ویژگیهای دیریافت ...
  • فقیه، ه، ارزیابی کاربرد شبکه عصبی مصنوعی و بهینه سازی ...
  • مطیع قادر، حبیب و لطفی، شهریار و سید اسفهلان، میرمهدی، ...
  • منهاج، محمدباقر، مبانی شبکه های عصبی (هوش محاسباتی)، مرکز نشردانشگاه ...
  • موذن زاده، ر و قهرمان، ب و فتحعلیان، ف و ...
  • مهرابی گوهر، الهام و سرمدیان، فریدون و تقی زاده مهرجردی، ...
  • 4. Amor, V. M. and P.Droogers _ 2002 , Inverse ...
  • Simunek J., Sejna M., and Van Genuchten M.Th. 2006. The ...
  • Skaggs, T.H., Trout, T.J., Simunek, J., and Shouse, P. J. ...
  • Van Genuchten MTh, 1980. A close-form equation for predicting the ...
  • نمایش کامل مراجع