مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,034
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

676
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بررسی کارایی شبکه های عصبی پرسپترون چند لایه و زمان تاخیری در تخمین جریانهای سطحی حوزه آبخیز زاینده رود

صفحات

 صفحه شروع 53 | صفحه پایان 62

چکیده

 رواناب نقش مهمی در مدیریت حوزه های آبخیز ایفا می کند و برنامه ریزی و ایجاد زمینه مناسب برای بهبود وضعیت حوزه های آبخیز بستگی زیادی به آن دارد. از طرفی تخمین رواناب در حوزه های آبخیزاهمیت زیادی در مطالعات منابع آب, تعیین و طراحی سازه های کنترل سیل دارد. با توجه به قابلیت شبکه های عصبی مصنوعی در تخمین رواناب, کم هزینه بودن, انعطاف پذیری و اهمیتی که حوزه آبخیز سد زاینده رود در تامین آب مورد نیاز شهری, کشاورزی و صنعتی ایفا می کند, کارایی شبکه های عصبی در تخمین رواناب ماهانه زیرحوضه های بالا دست سد زاینده رود مورد بررسی قرار گرفت. در این تحقیق دو نوع مدل شبکه عصبی پرسپترون چند لایه (MLP) و مدل شبکه عصبی زمان تاخیری(TLNN) در زیرحوضه های پلاسجان, سمندگان و زاینده رود مورد بررسی قرار گرفت. نتایج بیانگر این بود که مدل TLNN علیرغم حساسیت زیاد در مرحله آموزش, از کارایی خوبی در تخمین رواناب برخوردار بوده و نسبت به مدلMLP از خطای کمتری برخوردار است. بطوریکه این شبکه ها با استفاده از ورودیهایی شامل 3 تا 4 ایستگاه بارانسنجی و 2 تا 3 ایستگاه دماسنجی با آموزش مناسب می توانند بخوبی رواناب ماهانه را تخمین بزنند. میانگین خطای مطلق پیش بینی در مرحله تست برای سه ایستگاه اسکندری, مندرجان و قلعه شاهرخ با استفاده از روش TLNN به ترتیب برابر 0.5, 0.31 و 0.27 و همچنین در روش MLP نیز به ترتیب 0.5, 0.33 و0.45 بود. شبکه های عصبی زمان تاخیری ضمن داشتن انعطاف پذیری بسیار بالا, بخوبی توانایی شبیه سازی عکس العمل حوزه آبخیز نسبت به ورودی ها از جمله بارش و دما را دارند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    یزدانی، محمدرضا، خوشحال دستجردی، جواد، مهدوی، محمد، و سلطانی، سعید. (1390). بررسی کارایی شبکه های عصبی پرسپترون چند لایه و زمان تاخیری در تخمین جریانهای سطحی حوزه آبخیز زاینده رود. مجله علوم و مهندسی آبخیزداری ایران، 5(16)، 53-62. SID. https://sid.ir/paper/134718/fa

    Vancouver: کپی

    یزدانی محمدرضا، خوشحال دستجردی جواد، مهدوی محمد، سلطانی سعید. بررسی کارایی شبکه های عصبی پرسپترون چند لایه و زمان تاخیری در تخمین جریانهای سطحی حوزه آبخیز زاینده رود. مجله علوم و مهندسی آبخیزداری ایران[Internet]. 1390؛5(16):53-62. Available from: https://sid.ir/paper/134718/fa

    IEEE: کپی

    محمدرضا یزدانی، جواد خوشحال دستجردی، محمد مهدوی، و سعید سلطانی، “بررسی کارایی شبکه های عصبی پرسپترون چند لایه و زمان تاخیری در تخمین جریانهای سطحی حوزه آبخیز زاینده رود،” مجله علوم و مهندسی آبخیزداری ایران، vol. 5، no. 16، pp. 53–62، 1390، [Online]. Available: https://sid.ir/paper/134718/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button