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:

647
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

558
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه شبکه های عصبی و مدل رگرسیونی در پیش بینی راندمان تله اندازی رسوب در سدهای تاخیری

صفحات

 صفحه شروع 63 | صفحه پایان 72

چکیده

 شبکه عصبی مصنوعی از جمله روش های جدید تخمین تغییرات پدیده ها می باشد که در شاخه های مختلف علوم کاربرد گسترده ای پیدا کرده است. راندمان تله اندازی رسوب و حجم رسوبگذاری شده مخازن سدها نیز از جمله مسائلی است که می تواند با این روش مورد بررسی قرار گیرد. هدف از انجام این تحقیق, تعیین راندمان تله اندازی رسوب در سدهای تاخیری با استفاده از روش های شبکه عصبی و مقایسه آنها با مدل های رگرسیونی است. برای انجام این تحقیق از مدل فیزیکی سد تاخیری که در پژوهشکده حفاظت خاک و آبخیزداری ساخته شده بود, استفاده گردید. به منظور شبیه سازی هیدروگراف سیلاب, از ایده مدل مخازن خطی استفاده گردید. سپس با رهاسازی سیلاب همراه با رسوب, عملکرد سد تاخیری در تله اندازی رسوبات مورد بررسی قرار گرفت. در مرحله بعد, با شناسایی پارامترهای تاثیرگذار بر تله اندازی رسوبات مخازن سدها, مدل شبکه عصبی مناسب به روش پس انتشار خطا توسعه داده شد. همچنین از مدل های رگرسیونی برای بررسی رابطه پارامترها و نیز مقایسه نتایج برآوردی با مشاهده ای استفاده شد. در نهایت, شاخص های آماری R2, RMSE و MAPE به منظور ارزیابی صحت و دقت مدل به کار گرفته شد. طبق نتایج, میانگین مقادیر R2, RMSE و MAPE در مدل های رگرسیونی به ترتیب برابر 0.465, 26.6 و 62.1 می باشد, در حالی که مقادیر این شاخص ها در مدل توسعه داده شده شبکه عصبی به ترتیب برابر 0.982, 4.6 و 6.1 می باشد. از این رو مدل شبکه عصبی مصنوعی از توانایی بیشتری نسبت به روابط رگرسیونی در پیش بینی راندمان تله اندازی رسوب سدهای تاخیری برخوردار است. همچنین نتایج نشان داد که محاسبه راندمان تله اندازی رسوب بستگی به تعداد پارامترهای به کار رفته در معادله دارد و باید با توجه به تعداد پارامترها, رابطه بهینه را انتخاب نمود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    مرادی نژاد، امیر، حمزه حقی آبی، امیر، و پارسایی، عباس. (1394). مقایسه شبکه های عصبی و مدل رگرسیونی در پیش بینی راندمان تله اندازی رسوب در سدهای تاخیری. پژوهش های آبخیزداری (پژوهش و سازندگی)، 28(106)، 63-72. SID. https://sid.ir/paper/200734/fa

    Vancouver: کپی

    مرادی نژاد امیر، حمزه حقی آبی امیر، پارسایی عباس. مقایسه شبکه های عصبی و مدل رگرسیونی در پیش بینی راندمان تله اندازی رسوب در سدهای تاخیری. پژوهش های آبخیزداری (پژوهش و سازندگی)[Internet]. 1394؛28(106):63-72. Available from: https://sid.ir/paper/200734/fa

    IEEE: کپی

    امیر مرادی نژاد، امیر حمزه حقی آبی، و عباس پارسایی، “مقایسه شبکه های عصبی و مدل رگرسیونی در پیش بینی راندمان تله اندازی رسوب در سدهای تاخیری،” پژوهش های آبخیزداری (پژوهش و سازندگی)، vol. 28، no. 106، pp. 63–72، 1394، [Online]. Available: https://sid.ir/paper/200734/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