استفاده از شیکه های عصبی مصنوعیANN در پیش بینی مقدار بار معلق رودخانه زاینده رود(روش پرسپترون چند لایهMLP )

  • سال انتشار: 1385
  • محل انتشار: اولین همایش منطقه ای بهره برداری از منابع آب حوضه های کارون و زاینده رود (فرصتها و چالشها)
  • کد COI اختصاصی: COWR01_197
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1481
دانلود فایل این مقاله

نویسندگان

ایمان پدرام

دانشجوی کارشناسی ارشد سازه های آبی دانشگاه شهید باهنر کرمان

غلامعباس بارانی

استاد بخش مهندسی عمران دانشگاه شهید باهنر کرمان

چکیده

تخمین بار معلق رودخانه به دلیل تاثیر آن در مدیریت منابع آب ، می تواند نقش اقتصادی مهمی داشته باشد. روشهای زیادی جهت اندازه گیری بار معلق وجود دارد که معمولا با خطای زیادی همراه است . در این تحقیق با استفاده از شبکه های عصبی مصنوعی (ANN) یک مدل هوشمند برای پیش بینی مقدار بار معلق رودخانه زاینده رود ارائه می شود. در این مدل از یک شبکه چند لایه پرسپترون (MLP ) با یک لایه پنهان استفاده شده است. الگوریتم انتخابی برای آموزش شبکه ها، الگوریتم Marquardt-Levenberg می باشد. ورودی شبکه شامل دبی و خروجی آن مقدار بار معلق روزانه می باشد. برای آموزش و تست شبکه از آمار روزانه موجود طی سالهای 1374 تا 1384 ایستگاه اندازه گیری قلعه شاهرخ سد زاینده رود استفاده شده است. ساختار بهینه و الگوی ورودی بهینه شبکه عصبی با سعی و خطا تعیین می گردد. تمام مراحل ایجاد شبکه، آموزش و تست آن با استفاده از جعبه ابزار شبکه های عصبی نرم افزار MATLAB انجام شده است. در پایان نتایج بدست آمده از مدل آموزش دیده، با نتایج واقعی مقایسه شد. ضریب همبستگی داده ها در مرحله تست 74/0 بدست آمد که نشان دهنده دقت قابل قبول مدل پیشنهادی در پیش بینی مقدار بار معلق می باشد.

کلیدواژه ها

بار معلق ، شبکه عصبی ، پرسپترون چند لایه

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.