مقایسه مدل های مختلف شبکه عصبی مصنوعی در برآورد ضریبرواناب در حوزه آبخیز راسک - سرباز

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 529

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AEFSJ01_188

تاریخ نمایه سازی: 29 شهریور 1394

چکیده مقاله:

در علوم مهندسی منابع آب و هیدرولوژی شناخت و تحلیل و تغییرات بارش و رواناب سطحی از نیازهای اساسی محسوب می شود. در پژوهش حاضر با بهره گیری از داده های مشاهده ای کاربرد شبکه عصبی مصنوعی در برآورد ضریب رواناب بررسی شد. منطقه مورد مطالعه حوزه آبخیز راسک -سرباز بود. داده های مربوط به 33 واقعه بارش و رواناب اتفاق افتاده در بین سال های 1386 تا 1391 جمع آوری گردید. از جمله خصوصیاتی که از باران نمودها به عنوان متغیر مستقل ورودی مدل استخراج شد شامل شدت متوسط بارش، مجموع بارش 5 روز قبل و شاخص (ϕ) بود. با استفاده از این پارامترها و ترکیبات مختلف آن ها در لایه ورودی، شبکه های مختلفی اجرا شد. شبکه عصبی مصنوعی مورد استفاده با الگوریتم های یادگیری آموزشی لونبرگ - مارکوارت و الگوریتم های یادگیری آموزشی رزیلینت و تابع محرک تانژانت سیگموئید آموزش دیده و با ورودی های مختلف اجرا شد. نتایج نشان داد که شبکه با چارک های اول تا چهارم شدت بارندگی، مدت و مقدار بارندگی، شاخص (ϕ) ، و بارش 5 روز قبل با الگوریتم های یادگیری آموزشی لونبرگ مارکوارت با تابع محرک تانژانت سیگموئید میتواند ضریب رواناب رگبار را با ضریب تبیین آزمایش 0/98 و جذر میانگین مربعات خطا 0/032 و متوسط قدر مطلق خطا 0/024 پیش بینی کند.

کلیدواژه ها:

الگوریتم آموزشی لونبرگ -مارکوارت ، الگوریتم آموزشی رزیلینت ، حوزه آبخیز راسک -سرباز ، شبکه عصبی مصنوعی ، ضریب رواناب

نویسندگان

عبدالحمید دهواری

استادیار گروه مهندسی آبخیزداری، دانشکده آب و خاک دانشگاه زابل

سعید کفاش

دانشجو کارشناسی ارشد آبخیزداری، دانشکده آب و خاک دانشگاه زابل

سید ابراهیم سیدی

دانش آموخته کارشناسی ارشد، دانشکده فنی مهندسی دانشگاه امیرکبیر