کاربرد شبکه عصبی مصنوعی در شبیه سازی و پیش بینی سیلاب (مطالعه موردی: حوضه آبخیز شهری جغتای)
- سال انتشار: 1393
- محل انتشار: سومین همایش بین المللی سامانه های سطوح آبگیر باران
- کد COI اختصاصی: RWCS03_017
- زبان مقاله: فارسی
- تعداد مشاهده: 639
نویسندگان
دانشگاه ازاد اسلامی واحد تربت جام، گروه مهندسی آبخیزداری تربت جام ایران
دانشگاه آزاد اسلامی واحد تربت جام باشگاه پژوهشگران جوان و نخبگان، تربت جام ایران
دانشگاه آزاد اسلمی واحد تربت جام، گروه مهندسی آبخیزداری تربت جام ایران
چکیده
در این پژوهش از شبکه های عصبی مصنوعی Artificial Neural Networks به عنوان ابزاری توانمند در مدلسازی فرایندهای غیر خطی و نامعین به منظور پیش بینی دبی سیلاب در ایستگاه های سینوپتیک، کلیماتولوژی و هیدرومتری اطراف حوضه آبخیز شهری جغتای که حداقل 27 سال آمار روزانه داشتند استفاده شد.داده های مساحت، محیط، ارتفاع متوسط، شیب متوسط حوضه، طول ابراهه اصلی، طول حوضه، تراکم زهکشی، زمان تمرکز، ضریب گراویلیوس و متوسط بارندگی سالیانه و 24 ساعته بعنوان ورودی مدل استفاده شد.در این مطالعه 70% داده ها برای آموزش مدل ها training و 30% باقی مانده برای آزمایش آنها بکار رفته است. سپس مقدار برآورد شده با روش رگرسیون چند متغیره مقایسه گردید. نتایج حاصل از این تحقیق نشان داد که مدل شبکه عصبی با ضریب همبستگی r(2)=0.98 در سطح معنی داری 5 درصد و مجذور میانگین مربعات خطا RMSE 0/02 در مرحله آموزش و 0/05 در مرحله آزاش از دقت بالایی نسبت به روش رگرسیونی برخوردار بوده و در نتیجه در مدلسازی سیلاب روش شبکه عصبی مصنوعی بر روش رگرسیون چند متغیره ارجحیت دارد و پارامترهای مساحت، زمان تمرکز، طول آبراهه اصلی و ضریب گراویلیوس به ترتیب بیشترین نقش را در پیش بینی دبی سیلاب حوضه آبخیز شهری جغتای داشته اند و می توان بهدقت بالای 95 درصد دبی سیلاب این حوضه را پیش بینی نمود.کلیدواژه ها
دبی پیک لحظه ای، ریشه حداقل میانگین، مربعات خطا RMSE، شبکه عصبی مصنوعی، ضریب همبستگیمقالات مرتبط جدید
- تحلیل بازآفرینی با رویکرد تجدید حیات فضاهای همگانی در مناطق شهری کلانشهر تهران مطالعه موردی میدان امام حسین (ع)
- تحلیل تطبیقی همگرایی SDI و سامانه های هوشمند شهری رویکردی انتقادی به معماری داده در ایران
- تطبیق نظریه طرح جامع شهری با رویکرد راهبردی توسعه شهری CDS: مقایسه اهداف، فرآیند و پیامدهای اجرایی
- نقد مدل ده گام بازآفرینی شهری با رویکرد تحلیلی تاکید چالشها
- کاوش علل ناکارآمدی شهرهای جدید در تحقق جذب پایدار جمعیت در ایران با تاکید بر نمونههای موردی (پرند صدرا و بهارستان)
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.