بررسی کارایی شبکه عصبی مصنوعی نسبت به منحنی های سنجه رسوب در برآورد رسوب انتقالی (مطالعه موردی: ایستگاه هیدرومتری کردخیل)
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,473
فایل این مقاله در 11 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:
WATERSHED04_049
تاریخ نمایه سازی: 28 دی 1386
چکیده مقاله:
نقش منفی پدیده فرسایش و رسوبگذاری همواره تهدیدی برای طراحیهای آبخیززداری به شمار می رود. این پدیده منجر به اعمال اثر منفی بر روی شاخص های کیفی آب، از دست رفتن خاک حاصلخیز کشاورزی و خسارات جبران ناپذیر به طرح های عمرانی آب می گردد. در اینمقاله ضمن معرفی شبکه عصبی مصنوعی، با استفاده از شبکه پرسپترون چند لایه (MLP) اقدام به آموزش شبکه با استفاده از آمار 15 ساله دبی و رسوب ایستگاه هیدرومتری کردخیل رودخانه تجن گردید. سپس با استفاده ازآماری که دراموزش شرکت داده نشده بودند به تست شبکه اقدام نمود. با استفاده از روشهای آماری، RMSE و ضریب همبستگی به مقایسه نتایج حاصل از شبکه عصبی مصنوعی و منحنی سنجه رسوب پرداخته شد. نتایج نشان داد که روش شبکه عصبی مصنوعی نسبت به روش منحنی شنجه رسوب از کارایی بهتری برخوردار می باشد.
کلیدواژه ها:
نویسندگان
منصور نجفی حاجی ور
دانشجوی کارشناسی ارشد مهندسی آبخیزداری ، دانشگاه تهران
مهدی جلالی
دانشجوی کارشناسی ارشد مهندسی آبخیزداری، دانشکده منابع طبیعی ساری
محمد خسروی
دانشجوی کارشناسی ارشد مهندسی آبخیزداری ، دانشگاه تهران
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 :