مقایسه بین الگوریتم هی آموزشی مدل های شبکه عصبی در پیش بینی جریان
محل انتشار: هشتمین سمینار بین المللی مهندسی رودخانه
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,800
فایل این مقاله در 9 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:
IREC08_221
تاریخ نمایه سازی: 30 دی 1388
چکیده مقاله:
پیش بینی دقیق جریان رودخانه ای به عنوانیک فاکتور مهم در مدیریت ریسک سیلاب مطرح می باشد. در این تحقیق دو معماری مختلف از شبکه های عصبی مصنوعی شامل شبکه عصبی feed-forward و شبکه بازگشتی ازنوع المان با به کارگیری سه الگوریتم آموزشی متفاوت شامل الگوریتم های لونبرگ- مارکوتLMتنظیم بیزینBRو الگوریتم آموزشی پس انتشار خطا با کاهش شیب و نرخیادگیری انطباقیGDXبه منظور پیش بینی جریان ماهانه مورد بررسی قرار گرفته است. همچنین کارایی مدل های فوق الذکر با آماره های مختلف مورد بررسی قرار گرفت. مدل شبکه عصبی بازگشتی با معماری 1-10-10-4 و مدل شبکه عصبی feed-forward با معماری 1-4-4-4 و الگوریتم آموزشی L-M برای هریک از این دو مدل، کارایی بهتری را نسبت به بقیه مدل ها نشان دادند. همچنین شبکه عصبی بازگشتی کارایی بهتری را در مقایسه با شبکه feed-forward برای پیش بینی جریان ماهانه نشان می دهد
کلیدواژه ها:
نویسندگان
احمد رادمهر
دانشجوی کارشناسی ارشد مهندسی منابع آب . 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 :