استفاده از شبکه عصبی فازی CANFIS در تخمین بار رسوب رودخانه (مطالعه موردی حوزه آبخیز زشک ابرده شهرستان شاندیز)
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 447
فایل این مقاله در 12 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:
ITCC04_244
تاریخ نمایه سازی: 18 تیر 1396
چکیده مقاله:
پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سازه های رودخانه ای و تاسیسات عمرانی را تحت تاییر قرارمی دهد و به عنوان یکی از بزرگترین مشکلات بهره برداری از منابع آب های سطحی در جهان مطرح می باشد. در این پژوهش عملکرد شبکهعصبی مصنوعی CANFIS در برآورد بار رسوب حوزه زشک ابرده شهرستان شاندیز مورد ارزیابی قرار گرفت. بدین منظور سه سناریوشبیه سازی شد. به منظور شبیه سازی سناریوی S1 از ورودی دبی آب، سناریوی S2 از دبی آب و باران روزانه و سناریوی S3 از ورودی دبیآب، باران و دمای روزانه استفاده گردید. نتایج نشان داد سناریوی S3 با معماری تابع عضویت بل، تابع انتقال تانژانت های پربولیک و قانونآموزش لونبرگ مارکوارت با حداقل MSE (میانگین مربعات خطا) و MSE نهایی بدست آمده طی مرحله آموزش، به ترتیب با ارزش 0/026و 0/026 که نسبت به S2 و S1 مقدار کمتری بدست آمد کارایی بهتری در پیش بینی بار رسوبی دارد. همچنین مشخص شد که هر سه شبکهردرت و کارایی نسبتا مشابهی در طول فرایند آزمون دارند. ولی S3 در مجموعه آزمون با داشتن MSE و NMSE کمتر در مقایسه با سایرسناریوها بهتر عما کرده است. از طرفی این سناریو دارای NSE (ضریب نش) برابر با 0/743 و AM (سنجه جمعی) برابر با 0/806 عملکرد بهتری را نشان میدهد. همچنین شبکه عصبی در برآورد نقاط حدی دچار تخمین کمتر از حد بود که یکی از دلایل آن می تواند کمبود حضورداده های حدی در مرحله آموزش شبکه باشد. اما با این وجود در مجموع شبکه عصبی در این حوزه کارایی کاملا رضایت بخشی را در پیش بینیدقیق بار رسوبی نشان نداد. این می تواند به دلیل کمبود داده های آموزشی و غیر دقیق بودن و وجود خطا در آمار حوزه باشد.
نویسندگان
فاطمه محمدی گیوشاد
دانشجوی کارشناسی ارشد مهندسی آبخیزداری، دانشگاه بیرجند
سیدمحمد تاجبخش
استادیار دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند
هادی معماریان
استادیار دانشکده منابع طبیعی و محیط زیست دانشگاه بیرجند
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 :