پیش بینی دبی خروجی با استفاده از شبکه عصبی مصنوعی و تحلیل حساسیت مدل به پارامترهای ورودی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,546

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:

ABYARI09_106

تاریخ نمایه سازی: 21 مهر 1386

چکیده مقاله:

در توسعه معیارهای هیدرولوژیک برای مناطقی که آمار و اطلاعات کافی نداشته یا فاقد آمار هستند. مساله مهم این است که مدل های مربوطه توسعه داده شوند تا به این طریق ارقام موجود برای برآورد اطلاعات لازم در جای دیگر مورد استفاده قرار گیرد. یکی از پارامترهای اساسی در پروژه های ابی، دبی می باشد. مدیریت وتصمیم گیری در شبیه سازی رفتار رودخانه ها و همچنین سامانه های هشدار سیل از وابسته ترین ساختارهار مزبور می باشد. با توجه به پیشرفت های تکنولوژیکی، اگرچه این مدل سازی و پیش بینی در دامنه زمان و مکان امری محال نیست، ولی از پیچیدگی های بسیاری برخوردار است. چرا که این رفتارخود تابع عوامل بسیاری ازجمله بارش، رطوبت اولیه خاک، نفوذ تبخیر، دما و غیره می باشد. در تحقیق حاضر ضمن مروری بر تحقیقات گذشته درخصوص استفاده از شبکه های عصبی مصنوعی از این تکنیک در پیش بینی دبی در حوزه بهشت اباد مورد استفاده و ارزیابی قرار گرفته است.در این مدل سازی پس از سعی و خطا ورودی های دبی، بارش، دما، رطوبت نسبی و تبخیر و توابع فعالیت خطی، تانژانت سیگموئید، لوگ سیگموئید برای شکبه عصبی MLP به خدمت گرفته شده است. نتایج نشان دادند دبی ماه قبل و بارش دو ماه قبل از پارامترهای اساسی به عنوان ورودی شبکه هستند. در ادامه میزان تاثیر پارامترهای مختلف ورودی در مدل شبکه عصبی مصنوعی در هر ایستگاه بررسی گردید. درکلیه زیر حوزه ها مشاهده شدحذف تبخیر باعث افزایش خطا شد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، پیش بینی دبی رودخانه ، حوزه بهشت آباد

نویسندگان

سعیده سعیدی

کارشناس ارشد رشته آبیاری و زهکشی، دانشگاه شهرکرد

روح الله فتاحی

استادیار گروه مهندسی آب، دانشگاه شهرکرد

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 :
  • Cigizoglu, H.K. and Alp, M., _، Rainfall -Runoff Modeling Using ...
  • Dawson, C.W. and Wilby, R., ،، An Artificial Neural Network ...
  • Hall, W.A, and Dracup, I .A, Water Re sources Systems ...
  • Jain, S.K., Das, A. and Srivastava, D .K, *Application of ...
  • Kisi, o, .*River Flow Modeling Using Artifical Neural Networks , ...
  • Rumel hart.D .E, Hinton. G.E, and Williams.R.j , Learning InternalRepre ...
  • نمایش کامل مراجع