مروری بر مراحل مختلف مدل سازی شبکه های عصبی برای کاربرد در پیش بینی پارامترهای منابع آب با تاکید بر آبهای زیر زمینی

شبکه های عصبی مصنوعی به طور فزایندهای برای پیش بینی و پیشگویی پارامترهای آب در حال استفاده هستند. در این مقاله سعی شده تا مراحلی که توسعه چنین مدل هایی باید در نظر گرفته شود توضیح داده شود. این مراحل شامل انتخاب معیارهای عملکرد ، تقسیم بندی و پیش پردازش داده های موجود، تعیین ورودی های مناسب به مدل و معماری شبکه، بهینه ساززی وزن های ارتباطی و تایید مدل می باشد. در تمام مقالات بررسی شده، از شبکه های عصبی پیشخور استفاده شده است که اکثر انها با الگوریتم پس انتشار خطا آموزی دیده اند. همچنین در بیشتر موارد پیش پردازش اولیه داده ها و انتخاب ورودی های مناسب به طول کامل انجام نشده است. ضمنا بهینه سازی هندسه شبکه و نحوه بدست اوردن پارامترهای داخلی شبکه به طور کامل مورد بحث قرار نگرفته است. عوامل بالا منتج به عملکرد غیر بهینه مدل های مورد بحث و ناکارآمد نشان دادن مدل های عصبی مصنوعی شده است.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، پیش بینی ، پیشگویی ، فرایند ، مدل سازی