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:

384
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

498
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

برآورد میزان رسوب حوضه رود ارس با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: زیرحوضه دره رود)

صفحات

 صفحه شروع 0 | صفحه پایان 0

چکیده

 یکی از روش­ های نوین در زمینه­ پیش­ بینی­ فرآیندهای هیدرولوژیکی و ژئومورفولوژیکی شبکه­ های عصبی مصنوعی از مؤلفه­ های هوش مصنوعی است که در جهت پیاده­ سازی ویژگی­ های شگفت انگیز مغز انسان در یک سیستم مصنوعی می­ کوشند و ابزاری قدرتمند در زمینه­ ی مدل­ سازی و پیش­ بینی پارامترهای ژئومورفولوژی­ ­ اند که در این پژوهش جهت برآورد میزان رسوب حوضه­ رود ارس استفاده شده است. بدین منظور از آمار دبی, رسوب و بارش ماهانه ایستگاه هیدرومتری بران واقع در حوضه آبریز دره رود از زیر حوضه­ های مهم حوضه­ رود ارس در دشت مغان در طول دوره آماری 34 ساله (سال آبی 54-53 تا 87-86) استفاده گردید. بدین صورت که میزان دبی و بارش به عنوان ورودی­ های شبکه عصبی مصنوعی و میزان رسوب به عنوان خروجی شبکه در نظر گرفته شدند. به منظور پیاده­ سازی مدل از امکانات و توابع موجود در محیط برنامه نویسی نرم افزارهای MATLAB/2010 و SPSS/21 بهره گرفته شد. سپس به ارزیابی عملکرد مدل, از طریق معیارهای آماری از جمله ضریب تعیین, مجذور میانگین مربعات خطا, میانگین مربعات خطا, میانگین مطلق خطا, ضریب همبستگی و همچنین میانگین درصد نسبی خطا پرداخته شد. نتایج به دست آمده ضمن تأیید توانایی مدل شبکه عصبی مصنوعی نشان داد که انطباق خوبی بین مقادیر پیش­ بینی شده و مشاهداتی وجود دارد به طوری که میانگین خطای این مدل با داده­ های مشاهداتی برابر 9/0 درصد و ضریب همبستگی 99/0 است که در سطح 01/0 نیز معنی­ دار گشته است. نتایج حاصل از این پژوهش نشان داد که مدل شبکه عصبی مصنوعی از دقت بالایی در برآورد میزان رسوب در حوضه مورد بررسی برخوردار است. نتایج حاصل می­ تواند در مدیریت و برنامه­ ریزی حوضه­ های آبخیز و مدیریت منابع آبی و طبیعی بویژه در بخش­ های کشاورزی, صنعت, شرب و همچنین پیش­ بینی وضعیت رسوب­ گذاری در مخزن سدها مفید باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خورشیددوست، علی محمد، اسفندیاری درآباد، فریبا، حسینی، سیداسعد، و دولتخواه، پروانه. (1397). برآورد میزان رسوب حوضه رود ارس با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: زیرحوضه دره رود). جغرافیا و برنامه ریزی، 22(65 )، 0-0. SID. https://sid.ir/paper/407848/fa

    Vancouver: کپی

    خورشیددوست علی محمد، اسفندیاری درآباد فریبا، حسینی سیداسعد، دولتخواه پروانه. برآورد میزان رسوب حوضه رود ارس با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: زیرحوضه دره رود). جغرافیا و برنامه ریزی[Internet]. 1397؛22(65 ):0-0. Available from: https://sid.ir/paper/407848/fa

    IEEE: کپی

    علی محمد خورشیددوست، فریبا اسفندیاری درآباد، سیداسعد حسینی، و پروانه دولتخواه، “برآورد میزان رسوب حوضه رود ارس با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: زیرحوضه دره رود)،” جغرافیا و برنامه ریزی، vol. 22، no. 65 ، pp. 0–0، 1397، [Online]. Available: https://sid.ir/paper/407848/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