ارزیابی شبکه عصبی مصنوعی در برآورد بارش- رواناب (مطالعه موردی رودخانه کرج)
محل انتشار: کنفرانس ملی مهندسی معماری، عمران و توسعه شهری
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 689
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACUC01_004
تاریخ نمایه سازی: 14 دی 1394
چکیده مقاله:
پیش بینی رابطه بارندگی- رواناب یکی از مهمترین و پیچیده ترین مولفهها در کنترل و مدیریت سیستمهای منابع آب برای مدیران و مهندسین آب به شمار میآید و با توجه به طیف گستردهای از تکنیکهای مدلسازی بارش- رواناب به یک کار چالش برانگیز تبدیل شده است. با توجه به پیچیدگی پیشبینی رابطه بارش- رواناب و همچنین غیر خطی بودن این رابطه محققان به استفاده از مدل جعبه سیاه، شبکه عصبی مصنوعی روی آوردند. در تحقیق حاضر نیز اقدام به استفاده از شبکههای عصبی مصنوعیANN و فازی عصبی تطبیقیANFIS برای پیشبینی بارش- رواناب به صورت ماهانه درحوزه آبریز کرج گردید، برای این مدلسازی از چهار الگوی مختلف ورودی بارش و دما استفاده گردید و همچنین ازمعیارهای ضریب همبستگی R2 و مجذور میانگین مربعات خطاRMSEبه منظور ارزیابی و مقایسه عملکرد شبکه عصبی با مدل استنتاج عصبی فازیANFISاستفاده گردید. بررسی حالت های مختلف نشان داد که مدلANFIS با تابع گوسی و الگوی ورودی بارش، بارش با یک تاخیر زمانی، دما، دما با یک تاخیر زمانی نسبت به مدل شبکه عصبی دارا ی بهترینR2 و کمترینRMSEاست و میتوان از این مدل به علت همبستگی بالایی که مقادیر مشاهداتی و مقادیر پیش بینی شده دارد به عنوان جایگزینی برای مدل شبکه عصبی و روشهای مدلسازی بارش- رواناب سنتی یاد کرد که با نتایج پژوهشهای دیگر نیز سازگاری دارد.
کلیدواژه ها:
نویسندگان
مهران قربان زاده
دانشجوی کارشناسی ارشد عمران آب دانشگاه زابل
محمودرضا ملای نیا
استادیار گروه عمران دانشگاه زابل
جعفر قره سوفلو
دانشجوی کارشناسی ارشد منابع آب دانشگاه زابل
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 :