تخمین هدایت الکتریکی رودخانه ها با استفاده از شبکه عصبی موجک (مطالعه موردی: رودخانه کاکارضا)
محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 8، شماره: 16
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 157
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_JWMR-8-16_017
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
هدایت الکتریکی (EC) عامل مهمی در مهندسی رودخانه و بویژه مطالعه کیفی آب رودخانه ها می باشد. در این پژوهش کاربرد شبکه عصبی موجک، جهت پیش بینی هدایت الکتریکی رودخانه کاکارضا موردبررسی و ارزیابی قرار گرفت و نتایج آن با مدل شبکه عصبی مصنوعی مقایسه شد. که برای این منظور هیدروژن کربنات، کلرید، سولفات، کلسیم، منیزیم، سدیم و دبی جریان در مقیاس زمانی ماهانه در طی دوره آماری (۱۳۹۳-۱۳۴۷) بعنوان ورودی و هدایت الکتریکی بعنوان پارامتر خروجی انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و عملکرد مدل مورد استفاده قرار گرفت. نتایج حاصله نشان داد مدل شبکه عصبی موجک دارای بیشترین ضریب همبستگی (۹۷۷/۰)، کمترین ریشه میانگین مربعات خطا( ds/m۰۳۲/۰) و نیز بیشترین معیار نش ساتکلیف (۸۴۷/۰) در مرحله صحت سنجی در اولویت قرار گرفت. درمجموع نتایج نشان داد مدل شبکه عصبی موجک در تخمین مقادیر حداقل و حداکثر دقت بالایی از خود نشان داده است. نتایج حاکی از توانمندی قابل قبول مدل شبکه عصبی موجک در تخمین هدایت الکتریکی آب رودخانه ها است.
کلیدواژه ها:
Artificial neural network ، Electrical conductivity ، Kakareza ، Model ، Wavelet neural
network ، شبکه عصبی موجک ، شبکه عصبی مصنوعی ، کاکارضا ، مدل ، هدایت الکتریکی
نویسندگان
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 :