ارزیابی کارایی مدل های شبکه عصبی مصنوعی در شبیه سازی سیلاب(مطالعه موردی: حوضه آبخیز گل گل استان ایلام)
- سال انتشار: 1394
- محل انتشار: اولین همایش بین المللی و سومین همایش ملی مهندسی و مدیریت کشاورزی محیط زیست و منابع طبیعی پایدار
- کد COI اختصاصی: MEAENRS03_020
- زبان مقاله: فارسی
- تعداد مشاهده: 967
نویسندگان
دانشیار گروه سنجش از دور و GIS دانشگاه خوارزمی تهران
دانشجوی کارشناسی ارشد سنجش از دور و GIS دانشگاه خوارزمی تهران
استادیار گروه سنجش از دور و GIS دانشگاه خوارزمی تهران
چکیده
استفاده از تکنیک شبکه عصبی مصنوعی به عنوان یک رویکردی نو و یک ابزار کارآمد با توانای مناسب د رشبیه سازی و پیش بینی سیلاب به علت عدم حساسیت به خطا در داده های ورودی از اهمیت زیادی برخوردار بوده و تا حدودی جایگزین مدلهای آماری شده است. در این پژوهش برای شبیه سازی سیلاب در حوضه آبخیز گل گل استان ایلام از شبکه های عصبی مصنوعی RBF,MLP با الگوریتم های یادگیری لنبرگ - مارکوارت شبه - نیوتن و کاهش شیب با مومنتوم و تعداد نرونهای مختلف در لایه پنهان در محیط نرم افزاری MATLAB استفاده شد. که بااستفاده از مدل ارتفاع رقومی زمین در محیط نرم افزاری Arc GIS بدست آورده شد ولی چون ورودی های ثابت تاثیری در عملکرد مدل نداشتند فقط متغیرهای متحرک برای ارزیابی و بررسی مدل در نظر گرفته شد خروجی مدلها تنها دبی حداکثر لحظه ای به متر مکعب بر ثانیه بود. و سه مجموعه اموزش آزمایش و اعتبار سنجی در برخی دیگر از مدلها تقسیم بندی شدند. بررسی نتایج نشان داد که شبکه MLP با ساختار 1-5-5-1 و الگوریتم یادگیری لونبرگ مارکوارت با ضریب همبستگی 0/927 در مرحله آموزش و 0/976 در مرحله آزمایش و خطاهای کمتر نسبت به دیگر ساختار و شبکه RBF عملکرد بهتری در شبیه سازی سیلاب در منطقه مورد مطالعه داشت.کلیدواژه ها
شبیه سازی؛ سیلاب؛ شبکه عصبی مصنوعی؛ حوضه آبخیز گل گل؛ استان ایلاممقالات مرتبط جدید
- مقایسه درصد ترکیب تاج پوشش کلاسهای خوشخوراکی در سه رویشگاه مرتعی چهاردانگه ساری
- تاثیر تغییرات اقلیم بر اشتغال در بخش کشاورزی: مروری تحلیلی
- Land reform in some developing countries: A review
- شناسایی ژنوتیپهای امیدبخش گندم نان با استفاده از تحلیل روابط بین صفات و تجزیه خوشه ای
- Harnessing Renewable Energy for Environmental Sustainability: The Role of Wind Power in Carbon Reduction
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.