کاربرد مدلهای شبکه عصبی مصنوعی و مدل M۵ در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 168
فایل این مقاله در 10 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:
JR_JGQE-6-23_004
تاریخ نمایه سازی: 26 بهمن 1400
چکیده مقاله:
مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می دهد. روشهای هوش مصنوعی میتوانند کارایی بالایی جهت شبیهسازی جریان رودخانه در مقیاسهای مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M۵ جهت شبیه سازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیه سازی دادههای دبی جریان ماهانه در این ایستگاه, از دادههای دبی ثبت شده در چهار ایستگاه هیدرومتری بالادست و یک ایستگاه اقلیمی استفاده گردید. جهت مقایسه نتایج دو روش شبکه عصبی مصنوعی و مدل M۵، از دو معیار مجذور میانگین مربعات خطا و ضریب تبیین استفاده گردید. نتایج نشان داد شبکه عصبی مصنوعی با ساختار یک لایه مخفی با چهار نرون کارایی بیشتری نسبت به مدل M۵ دارد. خطای مدل شبکه عصبی مصنوعی ۴۰/۲۵ با ضریب همبستگی ۹۳/۰ و خطای مدل M۵ ۱۸/۲۸ با ضریب همبستگی ۹۲/۰ به دست آمد. با افزایش نرون های محاسباتی در لایه مخفی کارایی شبکه عصبی مصنوعی کاهش یافت.
کلیدواژه ها:
نویسندگان
الهام رفیعی ساردوئی
دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی دانشگاه تهران، تهران، ایران
فرشاد سلیمانی ساردو
مربی دانشکده منابع طبیعی، دانشگاه جیرفت، جیرفت، ایران
علی آذره
دانشجوی دکتری بیابان زدایی، دانشکده منابع طبیعی دانشگاه تهران، تهران، ایران
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 :