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:

1,151
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

274
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

مقایسه کارآیی مدل های شبکه های عصبی مصنوعی و رگرسیون برای پیش بینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان

صفحات

 صفحه شروع 19 | صفحه پایان 34

چکیده

 یک سیستم رودخانه ای یک سیستم باز است که از درگیر شدن ارتباطات مختلف و پیچیده شکل می گیرد. خصوصیات ذاتی حوضه ها از یک سو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر می سازد. وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان و رسوب حمل شده و تاثیر عوامل ژئومورفولوژی حوضه و مدل سازی آن از اهمیت ویژه ای برخوردار است. در این مطالعه دو نوع شبکه عصبی مصنوعی ژئومورفولوژیکی و غیر ژئومورفولوژیکی برای پیش بینی بار رسوب جریان رودخانه سمندگان طراحی گردید و نتایج آن با دو نوع مدل رگرسیونی ژئومورفولوژیکی و غیر ژئومورفولوژیکی مورد مقایسه قرار گرفت. نتایج طراحی شبکه های عصبی مبین کارآیی خوب شبکه های چند لایه پرسپترون با الگوریتم یادگیری پس انتشار خطا است. نتایج نشان داد که شبکه عصبی ژئومورفولوژیکی با ضریب تبیین 0.862 و مجذور میانگین مربعات خطای 1.815 در مقایسه شبکه عصبی غیر ژئومورفولوژیکی با ضریب تبیین 0.827 و معیار خطای 2.031 میزان رسوب جریان را بهتر پیش بینی می کند. نتایج ارزیابی مدل های رگرسیونی مبین عملکرد ضعیف تر آنها در مقایسه با روش شبکه عصبی مصنوعی است به طوری که ضریب تبیین مدل رگرسیونی ساده غیر ژئومورفولوژیکی 0.759 و معیار خطای 2.395 و ضریب تبیین مدل رگرسیونی ژئومورفولوژیکی برابر 0.811 با معیار خطای معادل 2.142 است. همچنین از مقایسه نتایج مدل های مختلف چنین استنباط می شود زمانی که پارامترهای ژئومورفولوژیکی نظیر شاخص ناهمواری, شاخص گردی و شاخص تراکم زهکشی در مدل سازی وارد شوند نتایج ارزیابی آنها مناسب تر می شود.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    ولی، عباسعلی، رامشت، محمدحسین، سیف، عبداله، و قضاوی، رضا. (1390). مقایسه کارآیی مدل ‌های شبکه‌ های عصبی مصنوعی و رگرسیون برای پیش بینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان. جغرافیا و برنامه ریزی محیطی (مجله پژوهشی علوم انسانی دانشگاه اصفهان)، 22(4 (پیاپی 44))، 19-34. SID. https://sid.ir/paper/454931/fa

    Vancouver: کپی

    ولی عباسعلی، رامشت محمدحسین، سیف عبداله، قضاوی رضا. مقایسه کارآیی مدل ‌های شبکه‌ های عصبی مصنوعی و رگرسیون برای پیش بینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان. جغرافیا و برنامه ریزی محیطی (مجله پژوهشی علوم انسانی دانشگاه اصفهان)[Internet]. 1390؛22(4 (پیاپی 44)):19-34. Available from: https://sid.ir/paper/454931/fa

    IEEE: کپی

    عباسعلی ولی، محمدحسین رامشت، عبداله سیف، و رضا قضاوی، “مقایسه کارآیی مدل ‌های شبکه‌ های عصبی مصنوعی و رگرسیون برای پیش بینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان،” جغرافیا و برنامه ریزی محیطی (مجله پژوهشی علوم انسانی دانشگاه اصفهان)، vol. 22، no. 4 (پیاپی 44)، pp. 19–34، 1390، [Online]. Available: https://sid.ir/paper/454931/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