مقايسه مدلهاي شبكه عصبي مصنوعي و رگرسيون در پيش بيني آورد رسوب درحوزه اهرچاي آذربايجان شرقي  Fulltext 

[ ابوالفضل اكبرپور ] - عضو هيات علمي دانشگاه بيرجند – گروه مهندسي آب
[ خسرو حامدافتخار ] - دانشجو كارشناسي عمران - سد و شبكه دانشگاه بيرجند

خلاصه مقاله:

به منظور اجراي برنامه هاي حفاظت خاك و كاهش رسوب زايي, همچنين محاسبه و طراحي دقيق حجم سد در احداث سدهاي مخزني , ضرورت دارد كه ميزان توليد رسوب در يك حوزه آبخيز , ارزيابي و برآورد گردد . براي تحقق اين موضوع , روش ها و مدلهاي متفاوتي وجود دارند كه لازمه آنها وجود پارامترهاي موثر در آن ها و يا آمار و اطلاعات كافي ميباشد. در عصر حاضر استفاده از شبكههاي عصبي مصنوعي مي تواند جايگزين مناسبي براي مدلهاي ديگر باشد. اين سيستمها با الهام گيري از ساختار نروسيناپتيكي مغز بشر, داراي قابليتهاي يادگيري, پردازش موازي و تعميم براي دادههاي مشابه ميباشند. در اين مقاله هدف, مقايسه عملكرد دو مدل شبكه عصبي مصنوعي و رگرسيون براي پيشبيني ميزان آورد رسوب, براي حوزه اهرچاي در ١٣٥١ از ايستگاه درجه يك تازه كند است . نتايج - استان آذربايجان شرقي , بر اساس داده هاي دبي - رسوب سالهاي ١٣٧٦ حاصله از مقايسه دو مدل نشان داد كه مدل شبكه عصبي پرسپترون چندلايه (پيشخور با الگوريتم پس انت شار خطا), با ضريب تعيين 0/8، راندمان مدل 0/7 و مجموع مربعات خطا 0/055 در مقايسه با مدل رگرسيوني (ضريب تعيين 0/52 ، راندمان مدل 0/62 و مجموع مربعات خطا 068/0 ) از كارايي بهتر و دقت بالايي برخوردار است.

انتقال رسوب, شبكه عصبي مصنوعي, مدل رگرسيون