بررسی تأثیر پارامتر های ورودی(آنالیز حساسیت) برعملکرد مدل های شبکه عصبی مصنوعی بارش- رواناب (مطالعه موردی حوزه آبریزطرق- خراسان رضوی)
محل انتشار: پنجمین کنفرانس مدیریت منابع آب ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 537
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:
WRM05_324
تاریخ نمایه سازی: 25 تیر 1393
چکیده مقاله:
یکی از پدیده های حائز اهمیت در هیدرولوژی فرایند بارش- رواناب می باشد.استفاده از شبکه های عصبی مصنوعی برای پیش بینی پدیده های هیدرولوژیکی با توجه به ماهیت غیرخطی و اتفاقی آن ها قابل توجیه است در این تحقیق، شش شبکه عصبی مصنوعی پرسپترون چند لایه مجزا با ورودی های مختلف با توابع محرک متفاوت استفاده شده است. بدین منظور بعد از تعیین تعداد نرون بهینه به ازای پارامترهای ورودی مختلف، میزان خطای تولید شده در پیش بینی سیلاب های متوسط محاسبه شده و از این طریق، تأثیر عوامل مختلف بر روی محاسبه دقیق تر سیلاب ها توسط شبکه بررسی شده است. در نهایت مشخص گردید دو مدل شبکه عصبی MLP با چهارده نرون ورودی و پانزده نرون در لایه میانی بهترین عملکرد را ارائه نمودند و پیش بینی ها با خطای کمتری محاسبه شده است.
کلیدواژه ها:
نویسندگان
بهرام جعفر طباطبائی
کارشناس ارشد عمران-آب، دانشگاه سیستان و بلوچستان
مهرداد میرابی
کارشناس ارشد عمران-آب، دانشگاه فردوسی مشهد
امیرحسین فرزبد
کارشناسی ارشد عمران-آب، دانشکده مهندسی، دانشگاه فردوسی مشهد
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 :