مقایسه دو روش شبکه عصبی مصنوعی و سری زمانی در پیش بینی میزان جریان رودخانه
محل انتشار: دومین کنفرانس مدیریت منابع آب
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,204
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:
WRM02_218
تاریخ نمایه سازی: 2 مرداد 1385
چکیده مقاله:
برنامه ریزی، توسعه، مدیریت و بهره برداری بهینه از سیستم های منابع آب، ضرورت دسترسی به اطلاعات متنوعی را در زمینه های هواشناسی، هیدرولوژی ، اقتصادی، اجتماعی و … تداعی می نماید. مدلهای ریاضی موجود به داده های فراوانی در زمینه های متعدد نیاز دارند. در سالهای اخیر، از شبکه های عصبی مصنوعی به دلیل توانمندی آنها در حل مسائل پیچیده و غیر خطی، به طرز قابل توجهی در شبیه سازی فرآیندهای مختلف استفاده شده است. در این تحقیق با استفاده از شبکه عصبی پرسپترون سه لایه با تابع تاتژانت سیگموئید (tansig) در لایه مخفی و تابع خطی (purelin) در لایه خروجی و متد آموزش لونبرگ – مارکوات (LM) و با استفاده از اطلاعات ایستگاه های آبسنجی موجود درحوزه، مدلی برای پیش بینی جریان روزانه و ساعتی در خروجی حوزه کر – چمریز ، ایجاد و نتایج آن با روش خطی سری زمانی اتورگرسیو و رگرسیون چندگانه مقایسه شده است. در تمام الگوهای به کار رفته در مقیاس زمانی روزانه عملکرد شبکه عصبی بهتر ازروشهای اتورگرسیو و رگرسیون چندگانه بوده است ولی در مقیاس زمانی ساعتی نتایج بر عکس بوده است.
کلیدواژه ها:
پیش بینی جریان رودخانه ، سیستم های هشدار سیل ، پرسپترون چند لایه ، پس انتشار خطا ، اتورگرسیو ، رگرسیون چندگانه
نویسندگان
محبوبه کفیل
کارشناسی ارشد سازه های آبی دانشگاه مازندران
میرخالق ضیاء تبار احمدی
استاد گروه آبیاری دانشگاه مازندران
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 :