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

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:

932
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

188
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه مدل های شبکه عصبی مصنوعی دینامیک و همبستگی خطی چند متغیره در پیش بینی آبدهی به کمک داده های سنجش از دور

صفحات

 صفحه شروع 0 | صفحه پایان 0

چکیده

 هدف تحقیق حاضر, مقایسه توانایی مدل شبکه عصبی مصنوعی و مدل همبستگی خطی چند متغیره در پیش بینی شش ماه آینده جریان ورودی به مخزن سد شاهچراغی در استان سمنان, بر اساس داده های ماهانه آبدهی, دمای متوسط, بارش و سطح پوشش برف چند ماه قبل می باشد. برای تعیین سطح پوشش برف, از تصاویر سنجنده AVHRR ماهواره NOAA استفاده گردیده و جداسازی سطح برف با استفاده از روش جداسازی پدیده ها بر اساس حد آستانه هیستوگرام آنها در باندهای مرئی و حرارتی انجام شده است. یک لایه مخفی و تابع انتقال سیگموئید و تابع آموزش لونبرگ-مارکوارت در ساختار مدل های شبکه عصبی مصنوعی استفاده گردیده است. پنج مدل شبکه عصبی مصنوعی دینامیک و پنج مدل همبستگی خطی چند متغیره با داده های ورودی متفاوت ساخته شده و نتایج آنها مقایسه شد. معیارهای انتخاب بهترین مدل, شامل جذر متوسط خطا(RMSE) , انحراف خطای میانگین (MBE), میانگین قدرمطلق خطای نسبی (MARE), حداکثر خطای نسبی (REmax) و ضریب همبستگی (R2) بوده و بهترین نتیجه با مدلی حاصل گردید که داده های بارش, آبدهی و سطح پوشش برف را به عنوان ورودی مدل استفاده کرده است. همچنین بهبود نتایج مدل منتخب نسبت به مدل همبستگی خطی چند متغیره که در تحقیقات قبلی برای پیش بینی جریان به کار رفته است, بررسی شده است. نتایج نشان می دهد شاخص خطای نسبی حداکثر در مدل شبکه عصبی 80% کمتر از مدل رگرسیون خطی چند متغیره است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    بنی حبیب، محمدابراهیم، و جمالی، فریماه سادات. (1389). مقایسه مدل های شبکه عصبی مصنوعی دینامیک و همبستگی خطی چند متغیره در پیش بینی آبدهی به کمک داده های سنجش از دور. دانش آب و خاک (دانش کشاورزی)، 20/1(2)، 0-0. SID. https://sid.ir/paper/453497/fa

    Vancouver: کپی

    بنی حبیب محمدابراهیم، جمالی فریماه سادات. مقایسه مدل های شبکه عصبی مصنوعی دینامیک و همبستگی خطی چند متغیره در پیش بینی آبدهی به کمک داده های سنجش از دور. دانش آب و خاک (دانش کشاورزی)[Internet]. 1389؛20/1(2):0-0. Available from: https://sid.ir/paper/453497/fa

    IEEE: کپی

    محمدابراهیم بنی حبیب، و فریماه سادات جمالی، “مقایسه مدل های شبکه عصبی مصنوعی دینامیک و همبستگی خطی چند متغیره در پیش بینی آبدهی به کمک داده های سنجش از دور،” دانش آب و خاک (دانش کشاورزی)، vol. 20/1، no. 2، pp. 0–0، 1389، [Online]. Available: https://sid.ir/paper/453497/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