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:

580
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

242
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی کارایی مدل های شبکه عصبی-فازی تطبیقی و شبکه عصبی مصنوعی در پیش بینی رسوب معلق روزانه (مطالعه موردی: حوضه آبخیز گرو)

صفحات

 صفحه شروع 120 | صفحه پایان 130

چکیده

 مدلسازی و پیش بینی دقیق رسوب معلق در رودخانه عنصر کلیدی مدیریت منابع آب و سیاست های محیط زیستی می باشد. در این پژوهش کارایی مدل های شبکه عصبی مصنوعی و شبکه عصبی-فازی تطبیقی در پیش بینی بار رسوب معلق روزانه ایستگاه گرو واقع در حوضه آبخیز گرو مورد ارزیابی قرار گرفت. بدین منظور از آمار 782 نمونه (1380-1393) رسوب معلق برحسب میلی گرم بر لیتر و دبی جریان اندازه گیری شده متناظر با رسوب بر حسب متر مکعب بر ثانیه در سه الگوی ورودی مختلف استفاده شد. برای اجرای مدل های شبکه عصبی مصنوعی و شبکه عصبی-فازی تطبیقی داده ها به دو دسته آموزش و آزمون تقسیم به طوری که 80% داده ها برای آموزش و 20% برای آزمون در نظر گرفته شد. در شبکه عصبی مصنوعی از دو تابع سیگموئید و تابع تانژانت هیپربولیک در لایه میانی و از تابع خطی در لایه خروجی و برای انجام مدل شبکه عصبی فازی-تطبیقی از روش تفکیک شبکه ای با سه تابع عضویت (مثلثی, گوسی و زنگوله ای تعمیم یافته) با تعداد عضویت بهینه که با سعی و خطا تعیین شد استفاده گردید. نتایج حاصل از پیش بینی رسوب معلق نشان داد که بهترین پیش بینی با با ضریب همبستگی 0.96, ضریب کارایی 0.95 و میانگین مربعات خطای .124789 میلی گرم بر لیتر مربوط به الگوی ورودی 2 با متغیر های ورودی دبی جریان روز جاری (Qt) و تاخیر دبی جریان روزانه تا 1 روز قبل از مبدا زمانی پیش بینی (Qt-1) و تاخیر رسوب معلق روزانه تا 1 روز قبل از مبدا زمانی پیش بینی (St-1) می باشد. بررسی نتایج حاصل از مدل های شبکه عصبی-فازی تطبیقی و شبکه عصبی مصنوعی نشان داد که مدل شبکه عصبی-فازی تطبیقی در هر سه الگو عملکرد بهتری نسبت به شبکه عصبی مصنوعی در پیش بینی رسوب معلق روزانه داشته است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    دولت کردستانی، مجتبی، نوحه گر، احمد، و جانی زاده، سعید. (1397). ارزیابی کارایی مدل های شبکه عصبی-فازی تطبیقی و شبکه عصبی مصنوعی در پیش بینی رسوب معلق روزانه (مطالعه موردی: حوضه آبخیز گرو). پژوهش های ژئومورفولوژی کمی، 6(4 )، 120-130. SID. https://sid.ir/paper/513899/fa

    Vancouver: کپی

    دولت کردستانی مجتبی، نوحه گر احمد، جانی زاده سعید. ارزیابی کارایی مدل های شبکه عصبی-فازی تطبیقی و شبکه عصبی مصنوعی در پیش بینی رسوب معلق روزانه (مطالعه موردی: حوضه آبخیز گرو). پژوهش های ژئومورفولوژی کمی[Internet]. 1397؛6(4 ):120-130. Available from: https://sid.ir/paper/513899/fa

    IEEE: کپی

    مجتبی دولت کردستانی، احمد نوحه گر، و سعید جانی زاده، “ارزیابی کارایی مدل های شبکه عصبی-فازی تطبیقی و شبکه عصبی مصنوعی در پیش بینی رسوب معلق روزانه (مطالعه موردی: حوضه آبخیز گرو)،” پژوهش های ژئومورفولوژی کمی، vol. 6، no. 4 ، pp. 120–130، 1397، [Online]. Available: https://sid.ir/paper/513899/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