انتخاب بهترین پارامترهای شبکه عصبیANN بهمنظور تخمین دادههای بارش ماهانه
- سال انتشار: 1394
- محل انتشار: دهمین کنگره بین المللی مهندسی عمران
- کد COI اختصاصی: ICCE10_0226
- زبان مقاله: فارسی
- تعداد مشاهده: 695
نویسندگان
استادیار گروه علوم و مهندسی آب دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین
استادیار گروه علوم و مهندسی آب دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین
دانشجوی دوره دکتری دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین
چکیده
بارندگی یکی از اجزای اصلی چرخهی هیدرولوژی است. اندازهگیری نقطهای بارندگی، عدم پراکنش مناسب ایستگاههای هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازهگیری باعث پیدایش روشهایی برای برآورد دادههای معتبر در مناطق فاقد آمار شده است. شبکه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد. سپس با استفاده از مقادیر بارندگی بهعنوان خروجی هدف، شبکه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد. 20 % دادهها بهطور تصادفی برای ارزیابی شبکه ها استفاده شد. درنهایت دادههای پیشبینی شده توسط شبکه های مختلف با شاخص آماری میانگین انحراف خطاMBEمجموع مربعات خطاSSE و ضریب همبستگیR2 مقایسه شدکلیدواژه ها
شبکه عصبی، دادههای بارش، تخمین، منحنی هم بارشمقالات مرتبط جدید
- نقش حیاتی عایق های سفید اکریلیک در حفاظت از گیاهان در برابر تغییرات اقلیمی
- بررسی اثر سیستم مدیریت ساختمان در مصرف انرژی ساختمان های اداری در شهر تبریز
- اکولوژی شهری و توسعه پایدار: چشم اندازی به شهرهای سبز آینده
- Designing a Residential Tower Influenced by Biophilic Architecture to Enhance Mental Health and Quality of Life for Residents in Iran and the Metropolis of Tehran (Case Study: District ۲۲)
- Toward Smart Urban Transportation and Crisis Management: A Literature Review and Delphi-Based Prioritization Framework
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.