تحلیل منطقه ای سیلآب با استفاده از نوع جدید مدل رگرسیون و شبکه های عصبی مصنوعی پیشخور و پسخور
- سال انتشار: 1386
- محل انتشار: ششمین کنفرانس هیدرولیک ایران
- کد COI اختصاصی: IHC06_098
- زبان مقاله: فارسی
- تعداد مشاهده: 1307
نویسندگان
کارشناسی ارشد سازه های آبی، دانشگاه ارومیه
استادیار گروه آب، دانشکده کشاورزی دانشگاه ارومیه
استادیار گروه آب، دانشکده عمران، دانشگاه تبریز
چکیده
شبکه های عصبی مصنوعی (ANNs) در زمینه مدلسازیهای هیدرولوژیکی بطور وسیع مورد استفاده قرار گرفته اند. با وجود این، توجه کمتری به استفاده از این آبزار جهت برآورد سیل در حوضه های فاقد آمار که یکی از پیچیده ترین مسائل هیدرولوژیستها است شده است. در این مقاله، توانایی دو نوع شبکه عصبی پیشخور و پسخور، شبکه MLP و شبکه Elman، در پیش بینی سیل با دوره های بازگشت مختلف حوضه غرب دریاچه ارومیه با استفاده از نرم افزار MATLAB7.0.4 بررسی و نتایج با نوع جدید مدل رگرسیون غیرخطی چندگانه مقایسه شده اند. بدین منظور، آبتدا شبکه های عصبی با استفاده از داده های فیزیوگرافی و اقلیمی منتخب مدل رگرسیون غیرخطی آموزش دیده و سپس بهترین ساختار شبکه، جهت برآورد سیلآبهای با دوره بازگشت مختلف حوضه های مشآبه فاقد آمار براساس ضریب همبستگی بین دبی های مشاهداتی و محاسباتی انتخآب شده است برای نخستین بار در این تحقیق بمنظور آموزش بهتر هر دو مدل رگرسیون و شبکه های عصبی از متغیر زمان بازگشت نیز بعنوان متغیر ورودی مدل استفاده گردیده است نتایج بدست آمده توانایی ANN را در پیش بینی سیل با دوره های بازگشت مختلف و نیز تاثیر انتخآب نوع شبکه را در دقت پیش بینی ثآبت نموده است.کلیدواژه ها
شبکه عصبی مصنوعی، شبکه MLP، شبکه Elman، نوع جدید مدل رگرسیون غیرخطی، تحلیل منطقه ای سیلآب، حوضه غرب دریاچه ارومیهمقالات مرتبط جدید
- تعیین ضریب زبری بهینه بستر در بازهای از رودخانه سقز
- بررسی عملکرد سرریزهای جانبی کلید پیانویی ذوزنقهای
- Analysis of Breakthrough Curves for Pollutant Transport in Laboratory Flume Using Soft Computing Models
- استفاده از مدلریاضی اینستریم در شبیه سازی اثرات تغییر مطلوبیت زیستگاه گونهی ماهی قزل آالی رنگین کمان (مطالعه ی موردی: رودخانهی کلیرکریک )
- تاثیر هندسه مقاطع مرکب رودخانهای بر اصلاح الگوی جریان در آبگیر جانبی
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.