شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (ANN) (مطالعه موردی حوضه معرف کسیلیان)
- سال انتشار: 1386
- محل انتشار: نهمین سمینار سراسری آبیاری و کاهش تبخیر
- کد COI اختصاصی: ABYARI09_119
- زبان مقاله: فارسی
- تعداد مشاهده: 2459
نویسندگان
دانشجوی کارشناسی ارشد آبخیزداری دانشگاه
دانشیار مرکز RS , GIS دانشگاه مازندران
چکیده
تخمین صحیح دبی رودخانه از جمله پارامترهای مهم د رعلم مهندسی رودخانه و رشته های وابسته به آن از جمله هیدرولیک و هیدرولوژی می باشد، چرا که در مطالعات پایه مربوط به مدیریت منابع آب، زیست محیطی، ذخیره آب و کنترل سیلاب، ابدهی رودخانه نقش مهمی را دارا می باشد. استفاده از شبیه سازی مدل های ریاضی، مدل های فیزیکی، توزیع های آماری و برنامه های کامپیوتری از مواردی است که برای پیش بینی استفاده می شود. اما در مسائل مربوط به منابع طبیعی انتخاب مدل هایی که تا حد امکا ن به واقعیت موجود در حوضه نزدیک باشد بسیار مشکل است. از طرفی در بعضی از رودخانه ها به علت عدم وجود ایستگاه های هیدرومتری و عدم برداشت اطلاعات آبدهی و یا کوتاه بودن دوره زمانی آماربرداری اطلاعات مورد نیاز به اندازه کافی در دسترس نمی باشد. این امر باعث مشکلاتی در انجام مطالعات می شود. در سالهای اخیر از شبکه های عصبی مصنوعی (ANN) به طرز قابل توجهی در شبیه سازی فرایندهای مختلف استفاده شده است، شبکه عصبی مصنوعی توانایی تعریف روابط پیچیده غیر خطی بین ورودی و خروجی بدون تلاش در جهت درک طبیعت پدیده را دارا هستند، این شبکه ها پردازش کننده های موازی می باشند که داده های ورودی را در حین یادگیری ، ذخیره و به ساختار شبکه منتقل می سازند. در این مطالعه از نرم افزار MATLAB برای پیش بینی جریان خروجی حوضه کسیلیان، داده های هیدرومتری و هواشناسی (باران، دما، دبی) در مقیاس زمانی ماهانه وبطور آماری 31 سال (1380-1349) استفاده شده است. اطلاعات 27 سال برای توسعه مدل ها و 4 سال باقیمانده برای آزمودن انها بکار رفته است. شبکه موردی استفاده از نوع MLP (پرسپترون چند لایه) با الگوریتم پس انتشار خطا (BP) می باشد. نتایج اجرای مدل بیانگر دقت بالای شبکه عصبی در پیش بینی جریان رودخانه است.کلیدواژه ها
الگوریتم پس انتشار خطا ، MATLAB ، پرسپترون چند لایه ، مهندسی رودخانهمقالات مرتبط جدید
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.