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

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

475
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

570
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی مدل های تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (رودخانه ونایی)

صفحات

 صفحه شروع 41 | صفحه پایان 56

چکیده

 رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند, بار معلق مینامند. منطقه مورد مطالعه در این پژوهش حوضه آبریز رودخانه ونایی است. این منطقه در شهرستان بروجرد, در استان لرستان در غرب ایران واقع شده است, پژوهش حاضرازنوع کاربردی است. بدین صورت که, ابتدا مشخصات زیرحوضه های این رودخانه استخراج شده است این مشخصات شامل مشخصات فیزیکی زیرحوضه ها از جمله مساحت, محیط و طول آبراهه ها و مشخصات مربوط به دبی رودخانه و میزان رسوب آن است. در ادامه با روش های رگرسیون خطی چند متغیره, شبکه عصبی پیش خور چندلایه (MLP) به تخمین بار رسوب پرداخته شد. پس از محاسبه شاخص های RMSE و MAE با توجه به این امر که هرچقدر میزان این شاخص ها کمتر باشد مقدار پیش بینی شده به مقادیر واقعی نزدیکتر است بنابراین باتوجه به شواهد حاصله مدل شبکه عصبی مصنوعی MLP دقت بهتری را نسبت به مدل دیگر در تخمین میزان رسوب منطقه نشان میدهد. از سوی دیگر با توجه به مقدار شاخص R2 که برای دومدل محاسبه شده است دقت تخمین مدل به مقدار90. 47 برای مدل MLP محاسبه شده است, مقدار R2 برای این مدل برابر 0. 89 است. پس از مدل شبکه عصبی مصنوعی MLP. مدل رگرسیون خطی چند متغیره با مقدار R2 برابر با 0. 353 قرار دارد. و این نشان دهنده ی دقت سه برابری مدل MLPنسبت به مدل رگرسیون می باشد مدل رگرسیون خطی نیز به علت این امر که تنها روابط خطی بین متغیر ها را در نظر می گیرد بیشترین میزان خطا را دارد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    ابوالفتحی، داریوش، مددی، عقیل، و اصغری، صیاد. (1401). ارزیابی مدل های تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (رودخانه ونایی). تحقیقات کاربردی علوم جغرافیایی (علوم جغرافیایی)، 22(66 )، 41-56. SID. https://sid.ir/paper/961854/fa

    Vancouver: کپی

    ابوالفتحی داریوش، مددی عقیل، اصغری صیاد. ارزیابی مدل های تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (رودخانه ونایی). تحقیقات کاربردی علوم جغرافیایی (علوم جغرافیایی)[Internet]. 1401؛22(66 ):41-56. Available from: https://sid.ir/paper/961854/fa

    IEEE: کپی

    داریوش ابوالفتحی، عقیل مددی، و صیاد اصغری، “ارزیابی مدل های تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (رودخانه ونایی)،” تحقیقات کاربردی علوم جغرافیایی (علوم جغرافیایی)، vol. 22، no. 66 ، pp. 41–56، 1401، [Online]. Available: https://sid.ir/paper/961854/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • 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