- برآورد تبخیر از سطح مخزن با استفاده از مدل شبکه ی عصبی مصنوعی (مطالعه ی موردی سد میناب)
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 6، شماره: 18
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 105
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYD-6-18_003
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
چکیدهتبخیر به عنوان یکی از پارامترهای طبیعی به علت نقش مهمی که در خروج آب از دسترس بشر دارد، همواره مورد توجه کارشناسان و محققان بوده است. در این پژوهش سعی شده است تا با بکارگیری مدل شبکه ی عصبی مصنوعی در برآورد تبخیر از سطح دریاچه ی سد میناب، میزان دقت مدل مورد ارزیابی قرار گیرد. برای بررسی روند تغییرات پارامترهای موثر بر تبخیر برای اطلاعات ۱۹ ساله موجود، با استفاده از رگرسیون غیرخطی بهترین برازش از بین نقاط موجود برای داده ها ترسیم و روند کلی تغییرات پارامترهای موثر بر تبخیر مشخص شده است. همچنین برای مدلسازی تبخیر با استفاده از شبکه ی عصبی مصنوعی از آمار ۱۹ ساله، از سال ۱۳۷۴ تا ۱۳۹۲ استفاده و بهترین ساختار برای محاسبه ی میزان تبخیر از سطح دریاچه ی سد میناب انتخاب شده است. در این ساختار لایه ی اول و دوم دارای ۵ نورون می باشند که با ۱۰۰۰ تکرار برای محاسبه ی آن، بهترین نتیجه به دست آمد. ضرایب آماری به دست آمده از تحلیل با استفاده از شبکه ی عصبی مصنوعی در انتخاب بهترین ساختارمورد توجه قرار گرفت که در این ساختار ضریب همبستگی با مقدار ۸۹۴۱/۰ دارای بیشترین مقدار در بین آزمون های دیگر است و مقادیر خطا برای دادههای آموزش و آزمایش نیز به ترتیب برابر با ۰۰۱۱/۰ و ۰۰۸۲/۰ است که پس از این ساختار، ساختارهای ANN(۳,۷,۱)، ANN (۴,۱۰,۱)، ANN(۴,۱۱,۱)، ANN(۵,۳,۱) دارای مقادیر ضریب همبستگی و خطای قابل قبولی در تعیین مقدار تبخیر از دریاچهی سد میناب میباشند.
کلیدواژه ها:
نویسندگان
محمد حسین جهانگیر
دانشکده علوم و فنون نوین دانشگاه تهران
احمد نوحه گر
استاد گروه برنامه ریزی مدیریت و آموزش محیط زیست، دانشکده ی محیط زیست، دانشگاه تهران، تهران، ایران.
کیوان سلطانی
دانشجوی کارشناسی ارشد، دانشکده ی علوم و فنون نوین، دانشگاه تهران، تهران، 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 :