شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی در حوضه کارده

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,862

فایل این مقاله در 10 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:

IHC05_223

تاریخ نمایه سازی: 7 آذر 1384

چکیده مقاله:

فرآیند بارش-رواناب یک پدیده فیزیکی است که بررسی آن به سبب تاصیرپذیری از پارامترهای مختلف، دشوار می باشد.هدف این پژوهش بررسی کارآمدی شبکه عصبی مصنوعی (ANN) در شبیه سازی اینن فرآیند بود. به این منظور حوضه کارده(واقع در شمال شرقی خراسان) برگزیده شد و هیتوگراف های چندین پیشامد بازندگی و آبنمودهای رواناب آنها مبنای کار قرار گرفت. سپش شبکه عصبی مصنوعی از نوع پس انتشار با تابع فعالیت سیگموئید آموزش داده شد. معیار گزینش پارامترهایی آموش شبکه، تولید کمترین مقدار (RMSE) بود. نتایج نشان داد که با قانون آموزش دلتا شبکه پرسپترون چند لایه دارای یک لایه پنهان، فرآیند بارش-رواناب را با دقت خوبی شبیه سازی نمود.(p <0/0001 ). ضریبهمبستگی کل داده های دبی و حجم رواناب واقعی و شبیه سازی شده، 0/969 بدست آمد. همچنین ANN مقدار و زمان دبی های اوج را به خوبی برآورد کرد( ضریب همبستگی به ترتیب 0/9782 و 0/9052 بود) در مورد آبنمودهای دارای زمان اوج کمتر نسبت به دیگر آبنمودها، پیش بینی شبکه با تاخیر 1 تا 2 ساعت انجام گرفت با برگزیدن اندازه بزرگتر چرخه آموزش سرعت آموزش شبکه کندتر شداما دقت آن بهبود یافت.

نویسندگان

ع جهانگیر

دانشجوی کارشناسی ارشد دانشکده کشاورزی دانشگاه مازندران

م رائینی

استادیار دانشکده کشاورزی دانشگاه مازندران

م.ض احمدی

استاد دانشکده کشاورزی دانشگاه مازندران

ا اکبرپور

مربی دانشکده کشاورزی دانشگاه بیرجند

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 :
  • خبیری، ه. و ح. ر. ناصری. 1378. شبیه سازی فرآیند ...
  • سازمان توسعه منابع آب کشور (تماب). 1374. شناسایی و معرفی ...
  • سازمان آب منطقه‌ای خراسان.1360 تا 1382. گزارشات آماری حوضه معرف ...
  • علیزاده، ا. 1374. اصول هیدرولوژی کاربردی. جلد ششم. موسسه چاپ ...
  • منهاج، م. ب. 1381. مبانی شبکه‌های عصبی. جلد اول (هوش ...
  • Anctil, F., C.H. Perrin and V. Andreassian. 2004. Impact of ...
  • ASCE Task Committee. 2000. Artificial neural networks in hydrology, II: ...
  • Birikundavyi, S., R. Labib, H.T. Trung and J. Rousselle. 2002. ...
  • Braddock, R.D., M.L. Kremmer and L. Sanzogni. 1998. Feedforward artificial ...
  • Coulibaly, P., F. Anctil, and B. Bobee. 2000. Daily reservoir ...
  • Dimopoulos, I., _ Lek and J. Lauga. 1996. R ainfall-runoff ...
  • Lallahem, S. and J. Mania. 2003. A Non-]inear rainfall -runoff ...
  • Lorrai, M. and H.M. Sechi. 1995. Neural networks for modeling ...
  • Rajurkar, M.P., U.C. Kothyari and U.C. Chaube. 2004. Modeling of ...
  • Sajikumar, N. and B.S. Th andavesward. 1999. A Non-linear rainfall-runoff ...
  • Smith, J. and R.N. Eli. 1995. Neural network models of ...
  • Tokar, A.S. and M. Markus. 2000. Pre cipitation-ru noff modeling ...
  • نمایش کامل مراجع