مقایسه دقت مدل های شبکه عصبی مصنوعی(ANN) و رگرسیونی (OLS) در برآورد سیلاب (مطالعه موردی: حوضه فاروب رومان نیشابور)
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 670
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCGTSD01_330
تاریخ نمایه سازی: 16 خرداد 1394
چکیده مقاله:
در این تحقیق از روابط رگرسیونی و تکنیک شبکه عصبی مصنوعی جهت برآورد دبی پیک لحظه ای سیلاب حوضه فاروبرومان نیشابور با استفاده از آمار فیزیوگرافی و اقلیمی ایستگاه های مجاور آن استفاده شده است. به این منظور با بررسیایستگاه های سینوپتیک،کلیماتولوژی و هیدرومتری اطراف حوضه آبخیز مورد نظر، تعداد 17 ایستگاه که حداقل 27 سالآمار روزانه داشتند انتخاب و داده های مساحت ، محیط، ارتفاع متوسط ،شیب ابراهه اصلی،شیب متوسط حوضه، طول ابراههاصلی ، زمان تمرکز، ضریب گراویلیوس و متوسط بارندگی سالیانه بعنوان ورودی مدل و دبی پیک سیلاب بعنوان خروجیمدل استفاده شد . ابتدا دبی پیک لحظه ای با روابط رگرسیونی برآورد گردید سپس برای ایجاد مدل شبکه عصبی 70% دادهها برای اموزش مدل (training) و 30% باقی مانده برای ازمایش ان (testing) بکار رفت. در نهایت بمنظور مقایسه نتایج وارزیابی کارایی روش های ذکر شده در برآورد دبی پیک لحظه ای ، از ضریب همبستگی و ریشه حداقل میانگین مربعات خطااستفاده گردید. نتایج نشان داد که تکنیک شبکه عصبی مصنوعی نسبت به روش های رگرسیونی در برآورد دبی پیک لحظهای سیلاب برتری دارد . براساس این نتایج می توان مشکل کوتاه بودن دوره آماری مربوط به داده های دبی حداکثر لحظه ایدر ایستگاه ها را با روش شبکه عصبی مصنوعی برطرف کرد و با دقت بالایی دبی سیلاب حوضه آبخیز را پیش بینی نمود.
کلیدواژه ها:
دبی پیک سیلاب ، شبکه عصبی مصنوعی ، مدل رگرسیونی ، ضریب همبستگی ، ریشه حداقل میانگین مربعات خطا ، نیشابور
نویسندگان
شیما ترحمی
دانشگاه آزاد اسلامی واحد تربت جام، گروه مهندسی آبخیزداری، تربت جام، ایران
محمدرضا خالقی
دانشگاه آزاد اسلامی واحد تربت جام، باشگاه پژوهشگران جوان و نخبگان، تربت جام، ایران
سیدهاشم حسینی
دانشگاه آزاد اسلامی واحد تربت جام، گروه مهندسی آبخیزداری، تربت جام، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :