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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

492
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

549
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تأثیر ساختارها و ورودی های مختلف شبکه های عصبی مصنوعی در تخمین دبی روزانه ی حوزه ی آبخیز معرّف امامه

صفحات

 صفحه شروع 1045 | صفحه پایان 1066

چکیده

 یکی از مهم ترین محاسبات هیدرولوژیک در یک اکوسیستم, تعیین ارتباط بین بارش و رواناب است. به طوری که بررسی فرایندهای به وقوع پیوسته در آن و برآورد خروجی های مهّم حوزه از قبیل سیلاب و رسوب از مهّم ترین هدف های یک پروژه ی آبخیزداری تلقی می شود. به دلیل ویژگی های متغیر زمانی و مکانی وقایع در چرخه ی آبی, روابط غیر خطی و عدم قطعیت, هیچ کدام یک از مدل های آماری و مفهومی نتوانسته به عنوان یک مدل برتر و توانا کارگشا باشد. اما امروزه استفاده از شبکه های غیرخطی به عنوان سامانه های هوشمند در پیش بینی چنین پدیده های پیچیده و حل بسیاری از مشکلات اکوهیدرولوژی می تواند مفید و مؤثر باشد. به این منظور از داده های روزانه ی بارندگی, دما, تبخیر و تعرق, رطوبت نسبی و همچنین دبی در مقیاس روزانه و در دوره ی زمانی مشترک 42 ساله و بررسی 62 ساختار پیشنهادی مختلف در حوزه ی آبخیز معرّف امامه استفاده شد. در این راستا و به منظور مقایسه از شبکه های عصبی پرسپترون چند لایه و تابع پایه ی شعاعی استفاده گردید. نتایج نشان داد که از بین بیش از 6000 مدل موجود در تخمین دبی رودخانه, مدل 54 با ساختار 1-8-9-8 و ورودی های دما, رطوبت نسبی, بارندگی و تأخیر بارندگی و دبی تا دو روز بوده و با روش پرسپترون چند لایه دارای بهترین عملکرد بوده است. میزان خطای مدل مذکور برابر با 03/0, 18/0 و 04/0 در مرحله ی مدلسازی و آموزش و 02/0, 14/0 و 02/0 در مرحله ی آزمایش برای معیارهای ارزیابی به ترتیب شامل میانگین مربعات خطا (MSE), مجذور میانگین مربعات خطا (RMSE), میانگین مطلق خطا (MAE) بوده است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    معتمدنیا، محبوبه، نوحه گر، احمد، ملکیان، آرش، و صابری اناری، مریم. (1396). تأثیر ساختارها و ورودی های مختلف شبکه های عصبی مصنوعی در تخمین دبی روزانه ی حوزه ی آبخیز معرّف امامه. مرتع و آبخیزداری (منابع طبیعی ایران)، 70(4 )، 1045-1066. SID. https://sid.ir/paper/162527/fa

    Vancouver: کپی

    معتمدنیا محبوبه، نوحه گر احمد، ملکیان آرش، صابری اناری مریم. تأثیر ساختارها و ورودی های مختلف شبکه های عصبی مصنوعی در تخمین دبی روزانه ی حوزه ی آبخیز معرّف امامه. مرتع و آبخیزداری (منابع طبیعی ایران)[Internet]. 1396؛70(4 ):1045-1066. Available from: https://sid.ir/paper/162527/fa

    IEEE: کپی

    محبوبه معتمدنیا، احمد نوحه گر، آرش ملکیان، و مریم صابری اناری، “تأثیر ساختارها و ورودی های مختلف شبکه های عصبی مصنوعی در تخمین دبی روزانه ی حوزه ی آبخیز معرّف امامه،” مرتع و آبخیزداری (منابع طبیعی ایران)، vol. 70، no. 4 ، pp. 1045–1066، 1396، [Online]. Available: https://sid.ir/paper/162527/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا