تخمین آبدهی حوزههای آبخیز فاقد آمار با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,294

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICWC01_133

تاریخ نمایه سازی: 27 آذر 1387

چکیده مقاله:

تخمین آبدهی حوزههای آبخیز فاقد آمار از جمله مسائلی است که همواره مورد توجه مهندسین قرار دارد. با توجه به اینکه همواره شرایط اقتصادی و وجود امکانات به نحوی نمیباشد که در تمام حوزههای آبخیز یک منطقه ایستگاههای هیدرومتری (آبسنجی) وجود داشته باشد. بنابراین تخمین دقیق میزان آبدهی این حوزهها در برآورد میزان فرسایش و رسوب حوزهها مفید فایده است. روش شبکه عصبی مصنوعی از جمله روشهای نوینی است که اخیراً کاربرد گستردهای در علوم مهندسی پیدا نموده است. اساس روش شبکه عصبی بر مبنای شبیهسازی عملکرد مغز انسان و یادگیری میباشد. در این روش ارتباط ذاتی بین دادهها کشف و مدل قادر به تعمیم یافتهها برای دادههای دیگر خواهد بود. در این تحقیق با بکارگیری شبکه عصبی از نوع پرسپترون چند لایه MLP با قانون یادگیری پس انتشار خطا (BP) ، مقادیر آبدهی حوزه رودخانه مرزی اترک با استفاده از آمار ایستگاههای هیدرومتری موجود محاسبه میشوند. نتایج تحقیق نشان میدهد که میتوان از شبکه عصبی مصنوعی با دقت مناسبی در برآورد مقادیر آبدهی حوزههای فاقد آمار استفاده نمود.

کلیدواژه ها:

نویسندگان

امیر احمد دهقانی

استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

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 :
  • شرکت سهامی آب منطقه‌ای گلستان، مطالعات منابع آبهای سطحی حوزه ...
  • مهدیزاده، محمدباقر؛ شبکه‌های عصبی مصنوعی و کاربرد آن در مهندسی ...
  • منهاج، محمدباقر؛ مبانی شبکه‌های عصبی، انتشارات دانشگاه صنعتی امیرکبیر، جلد ...
  • Abrahart, R. j. and See, l., Comparing neural network and ...
  • نمایش کامل مراجع