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

مقاله مقاله نشریه

مشخصات مقاله

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:

1,189
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

567
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

تحلیل مقایسه عملکرد شبکه های عصبی مصنوعی و مدل های رگرسیونی پیش بینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود

صفحات

 صفحه شروع 21 | صفحه پایان 30

چکیده

 یکی از جنبه های حایز اهمیت در مدیریت محیط در ژئومورفولوژی کاربردی حل مشکل برآورد رسوب یک سیستم رودخانه ای می باشد. هدف این مطالعه ارزیابی عملکرد مقایسه ای دو نوع شبکه عصبی مصنوعی (مدل ژئومورفولوژیکی و مدل غیرژئومورفولوژیکی) و دو نوع مدل رگرسیونی (مدل توانی و مدل غیرخطی چندگانه) برای پیش بینی بار رسوب معلق حوضه اسکندری در حوضه آبریز زاینده رود می باشد. مدل ها بر اساس آمار 104 حادثه وقوع همزمان ثبت شده دبی و رسوب طراحی شده اند. پارامترهای ژئومورفولوژیکی بکار رفته در مدل های مزبور شامل: نسبت ناهمواری, ضریب شکل و تراکم زهکشی می باشند. شبکه های عصبی مصنوعی طراحی شده از نوع انتشار برگشتی چهار لایه است. بهترین نتایج پیش بینی مربوط به روش شبکه عصبی مصنوعی ژئومورفولوژیکی با ضریب تبیین معنی دار 98/0 و جذر میانگین خطای 49/4 در مقایسه با روش شبکه عصبی مصنوعی طراحی شده بر اساس آمار جریان با مقادیر ضریب تبیین 96/0 و خطای 35/5 می باشد. عملکرد روش های رگرسیونی با ضریب تبیین 893/0 و خطای 66/8 برای روش چند متغیره غیرخطی ومقادیر ضریب تبیین 814/0 و خطای برآورد 05/15 برای روش غیرخطی ساده توانی ضعیف تر از شبکه های عصبی مشاهده گردید. تفاوت فاحش در شاخص های ارزیابی مدل های شبکه عصبی مصنوعی نسبت به روش های رگرسیونی در عملکرد مناسب آنها برای تعداد کم نمونه های مدل می باشد. بنابراین شبکه های عصبی مصنوعی به خصوص شبکه های ژئومورفولوژیکی به عنوان یک ابزار قوی پیش بینی شایسته بار رسوب یک سیستم پیچیده رودخانه ای معرفی می شوند.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    ولی، عباسعلی، معیری، مسعود، رامشت، محمدحسین، و موحدی نیا، ناصر. (1389). تحلیل مقایسه عملکرد شبکه های عصبی مصنوعی و مدل های رگرسیونی پیش بینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود. پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)، 42(71)، 21-30. SID. https://sid.ir/paper/138895/fa

    Vancouver: کپی

    ولی عباسعلی، معیری مسعود، رامشت محمدحسین، موحدی نیا ناصر. تحلیل مقایسه عملکرد شبکه های عصبی مصنوعی و مدل های رگرسیونی پیش بینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود. پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)[Internet]. 1389؛42(71):21-30. Available from: https://sid.ir/paper/138895/fa

    IEEE: کپی

    عباسعلی ولی، مسعود معیری، محمدحسین رامشت، و ناصر موحدی نیا، “تحلیل مقایسه عملکرد شبکه های عصبی مصنوعی و مدل های رگرسیونی پیش بینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود،” پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)، vol. 42، no. 71، pp. 21–30، 1389، [Online]. Available: https://sid.ir/paper/138895/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