تحلیل و ارزیابی بهینه سازی ورودی های حاصل از Data Mining در طراحی مدل بهینه برآورد رواناب توسط الگوریتم RPROP در شبکه های عصبی مصنوعی FTDNN و Fgam
محل انتشار: همایش ملی آب، انسان و زمین
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,285
فایل این مقاله در 13 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:
WHEC01_146
تاریخ نمایه سازی: 12 دی 1393
چکیده مقاله:
برآورد میزان رواناب کمتر ازمقدار واقعی خطر سیلاب پیش بینی بیش از مقدار واقعی، تهدید جدی در پایداری توسعه مدیریت منابع آب را در پی خواهد داشت در این پژوهش با استفاده از تکنولوژی جدید واستفاده از ایده ابتکاری دیتا ماینینگ تلاش شده است تا با کشف روابط پنهان میانپارامترهای ورودی و تشخیص موثرترین عامل بهترین پارامترهای جهت پیش بینی رواناب توسط شبکه عصبی مصنوعی کشف شود.نتایج بررسی و آنالیز حساسیت بیش از 3500 مدل ایجاد وتحلیل شده نشان می دهد ترکیبات مختلف اختلاف دمادر این حوضه موثرترین عامل هستند.
کلیدواژه ها:
داده کاوی ، برآورد رواناب ، شبکه عصبی مصنوعی ، Data Mining ، Artifical Neural ، Networks الگوریتم اموزش RPROP ، FTDNN ، Fgam تولید ورودی مصنوعی از داده های مشاهداتی
نویسندگان
آرش یوسف دوست
کارشناسی ارشد مهندسی عمران - مهندسی آب دانشگاه آزاد اسلامی واحد تهرن مرکزی
محمدصادق صادقیان
هیئت علمی گروه عمران دانشگاه آزاد اسلامی واحد تهران مرکزی
محمدرضا بازرگان لاری
هیئت علمی گروه مهندسی عمران دانشگاه آزاد اسلامی واحد تهران شرق
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 :