مدل‌سازي جريان ورودي به مخزن با استفاده از شبكه‌هاي عصبي زماني با رويكرد عامل فراموش‌كننده  Fulltext 

[ سيد سامان رضوي ] - دانشجوي دكتري مهندسي عمران - منابع آب دانشگاه صنعتي اميركبير، مهندسين مشاور ري آب
[ شهاب عراقي نژاد ] - استاديار دانشگاه علم و صنعت ايران
[ حكيمه منشي ] - كارشناس آبياري، دانشكده منابع طبيعي گرگان
[ نسيم حسيني ] - كارشناس عمران، دانشگاه صنعتي اصفهان

خلاصه مقاله:

در اين مقاله، روشي بازگشتي با عامل فراموش كننده براي كاليبراسيون پيوسته شبكه هاي عصبي زماني پيشنهاد مي شود . رويكرد عامل فراموش كننده الگوريتم هاي بازگشتي را قادر مي سازد تا تأثير داده ها و خطاهاي قديمي را در بهنگام سازي و آموزش مدل كاهش دهند . روش پيشنهادي براي كاليبراسيون شبكه عصبي به منظور مدل سازي جريان ورودي به مخزن استفاده مي گردد . ري
زماني ماهانه ورودي به مخزن سد كارون ۳ در جنوب غربي ايران براي ارزيابي عملكرد رويكرد پيشنهادي استفاده مي شود . همچنين، مدل خودهمبسته ميانگين متحرك (ARMA) نيز در اين مطالعه به منظور مقايسه به كار گرفته مي شود . نتايج تحقيق حاكي از عملكرد بهتر شبكه عصبي زماني كاليبره شده با اين رويكرد از لحاظ دقت پيش بيني در مقايسه با شبكه عصبي آموزش داده شده با روش هاي معمول مي باشد . همچنين، شبكه عصبي با رويكرد آموزش پيشنهادي دقت بيشتري را در مدل سازي نسبت به مدل آماري ARMA كه با رويكرد عامل فراموش كننده كاليبره شده، نشان مي دهد

عصبي زماني, عامل فراموش‌كننده, پيش‌بيني, ARMA