مقایسه شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره در پیش بینی میزان آبدهی مخزن سد کرج
محل انتشار: سومین کنفرانس مدیریت منابع آب
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,619
فایل این مقاله در 8 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:
WRM03_198
تاریخ نمایه سازی: 28 فروردین 1387
چکیده مقاله:
در کشور ایران که در اقلیم خشک و نیمه خشک قرار دارد، سدهای مخزنی در تامین نیازهای شرب، کشاورزی و صنعت از اهمیت ویژه ای برخوردارند. در این راستا، برآورد مقدار آورد رودخانه به مخزن سد از موضوعات با اهمیت محسوب می شود. در پیش بینی مقدار جریان ورودی به مخزن سد، معمولاً از دو روش کلی مدلسازی مفهومی و مدلسازی جعبه سیاه استفاده می شود. یکی از مدل های معروف جعبه سیاه در زمینه پیش بینی جریان رودخانه، مدل شبکه عصبی مصنوعی (ANN) می باشد. همتای آماری مدل ANN ، مد لهای رگرسیون خطی، رگرسیون غیرخطی و مدل های سری زمانی می باشند، که قبل از کاربردی شدن مدل ANN کاربرد فراوانی در زمینه مدلسازی و پیش بینی آبدهی رودخانه داشته اند. در این تحقیق بررسی کارایی مدل ANN و رگرسیون خطی چند متغیره در پیش بینی دبی ورودی به مخزن سد کرج در مقیاس ماهانه انجام خواهد شد. هدف از انجام این تحقیق بدست آوردن الگویی مناسب جهت پیش بینی آبدهی ماهانه رودخانه کرج با استفاده از مدل ANN و رگرسیون خطی و مقایسه نتایج این دو مدل با یکدیگر می باشد. نتایج بدست آمده نشان می دهد که پیش بینی بر اساس آبدهی سه ماه گذشته دارای بالاترین دقت در هر دو مدل می باشد. نتایج مقایسه مدل ANN مذکور با مدل رگرسیون خطی حاکی از عملکرد بهتر مدل شبکه عصبی مصنوعی نسبت به مدل رگرسیون خطی می باشد.
کلیدواژه ها:
نویسندگان
سولماز رسول زاده
دانش آموخته گروه مهندسی آبیاری و آبادانی، دانشگاه تهران
امید بزرگ حداد
استادیار گروه مهندسی آبیاری و آبادانی، 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 :