تخمین رسوب رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونتکه ای (مطالعه موردی: رودخانه حصار)

در این تحقیق به بررسی عملکرد مدلهای شبکه عصبی مصنوعی، و مدل رگرسیون تکهای در تخمین رسوب رودخانه پرداخته شده است. به منظور بررسی عملکرد مدلهای شبکه عصبی مصنوعی، از شبکه عصبی پرسپترون چند لایه (MLP) و تابع پایه شعاعی (RBF) ا ستفاده شده است و همچنین عوامل تأثیرگذار بر عملکرد شبکههای عصبی مصنوعی بهمنظور تخمین رسوب، مورد بررسی قرار گرفته شده است، که از جمله آنها میتوان به تأثیر تعداد نرونهای لایه میانی بر عملکرد شبکه، نوع توابع محرک انتخابی برای نرونهای لایه میانی و همچنین تأثیر و نقش نرمالسازی دادهها اشاره کرد. در نهایت نتایج حاصل از مدل شبکه عصبی مصنوعی با، مدل رگرسیون تکه ای مقایسه شده است. نتایج حاصل از عملکرد این مدلها به-منظور تخمین رسوب، در مراحل آموزش و ارزیابی با استفاده از معیارهای تعریف شده برای سنجش خطا با مقادیر مشاهداتی مقایسه شده است، و پس از مقایسه مدلهای مختلف، بهترین مدل انتخاب شده است

کلیدواژه ها:

رسوب رودخانه ، شبکه عصبی پرسپترون چند لایه ، مدل رگرسیون تکهای