محبوبترین نویسندگان :
نویسندگان مقالات پربازدید :
چهارمین کنگره ملی مهندسی عمران
جزئیات رویداد
اینستاگرام تی پی بین
همایش ، رویداد ، ژورنال
حوزه های تحت پوشش رویداد

  • مقایسه عملکرد شبکه های عصبی mlp و elman با نوع جدید مدل رگرسیون در پیش بینی سیل حوضه های فاقد آمار

    نویسندگان :
    کلمات کلیدی :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1387/02/10
    • تاریخ انتشار در تی پی بین: 1387/02/10
    • تعداد بازدید: 1187
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    شبکه های عصبی مصنوعی (anns) در زمینه مدلسازی های هیدرولوژیکی بطور وسیع مورد استفاده قرار گرفته اند. با وجود این، توجه کمتری به استفاده از این ابزار جهت برآورد سیل در حوضه های فاقد آمار که یکی از پیچیده ترین مسائل هیدرولوژیستها است، شده است. در این مقاله، یک مدل رگرسیون جدید جهت پیش بینی سیل با دوره های بازگشت مختلف حوضه جنوب دریاچه ارومیه پیشنهاد می شود، سپس با شبکه های عصبی پیشخور و پسخور، شبکه mlp و شبکه elman، ترکیب می گردد. بدین منظور، ابتدا شبکه های عصبی با استفاده از داده های فیزیوگرافی و اقلیمی منتخب مدل رگرسیون غیرخطی، در محیط نرم افزار matlab 7.0.4 آموزش دیده و سپس بهترین ساختار شبکه، جهت برآورد سیلابهای با دوره بازگشت مختلف حوضه های مشابه فاقد آمار بر اساس ضریب همبستگی بین دبی های مشاهداتی و محاسباتی انتخاب شده است. برای نخستین بار در این تحقیق، بمنظور آموزش بهتر هر دو مدل رگرسیون و شبکه های عصبی از متغیر زمان بازگشت نیز بعنوان متغیر ورودی مدل استفاده گردیده است. نتایج بدست آمده، توانایی مدل تلفیقی و ann را در پیش بینی سیل با دوره های بازگشت مختلف با کمترین داده ها و نیز تاثیر انتخاب نوع شبکه را در دقت پیش بینی ثابت نموده است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها