ارزیابی مقایسه ای مدل های شبکه عصبی مصنوعی ANN و سری زمانی ITSM در شبیه سازی بار رسوب معلق مطالعه موردی: رودخانه دالکی ایستگاه چم چیت
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 731
فایل این مقاله در 7 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:
WATERCONF01_087
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
برآورد میزان دقیق رسوبات معلق در رودخانهها از ابعاد مختلف کشاورزی و حفاظت خاک، کشتیرانی، سد سازی، حیاط آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روشهای مختلفی برای بررسی رسوبات معلق، موجود میباشد. در تحقیق حاضر به منظور مقایسه و بررسی توانایی مدلهای سری زمانی و شبکه عصبی مصنوعی در شبیه سازی رسوب معلق، از دادههای ماهانه ایستگاه چمچیت واقع در رودخانه دالکی استفاده شد. نتایج حاصل از ارزیابی شاخصهای اندازهگیری خطاR: ضریب همبستگی و RMSE مجذور میانگین مربهات خطا(، نشان داد که شبکه عصبی مصنوعی در مقایسه با مدلهای سری زمانی توانایی بهتری را در شبیه سازی رسوب معلق در مقیاس ماهانه در رودخانه دالکی دارد
کلیدواژه ها:
نویسندگان
محسن رضایی
دانشجوی کارشناسی ارشد سازه های هیدرولیکی، گروه مهندسی عمران، واحد لارستان، دانشگاه آزاد اسلامی لارستان،ایران.
مهرداد فریدونی
استادیار گروه مهندسی عمران، واحد لارستان، دانشگاه آزاد اسلامی لارستان، 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 :