بررسی مدل منطقه ای رسوب با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با روش رگرسیون های چند متغیره
محل انتشار: دومین کنفرانس ملی سد و نیروگاههای برقابی
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,296
فایل این مقاله در 7 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:
NCHP02_174
تاریخ نمایه سازی: 26 مهر 1386
چکیده مقاله:
امروزه مسئله رسوب ورسوبدهی حوزه از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سازه های هیدرولیکی و پروژه های عمرانی را تحت تاثیر قرار میدهد . بدیهی است که دقت پیش بینی میزان رسوب، بستگی زیادی به روشهای محاسباتی، معادلات ارائه شده و اطلاعات تخمین رسوب دارد .چون عوامل مختلفی در فرسایش و تولید رسوب موثر میباشند و براساس شرایط هر حوزه ممکن است یک یا چند عامل در تشدید آن موثر باشند، از این رو برای بررسی مسئله رسوب دهی هر حوزه باید عوامل موثر در رسوبدهی آن منطقه را شناخت و بطور صحیح برآورد کردوسپس تاثیر عوامل مختلف را بر روی رسوب دهی مشخص کرد .در این مقاله شبکه های عصبی مصنوعی به عنوان روشی جدید جهت تخمین رسوبدهی حوزه بکار گرفته شده است .شبکه ای با ساختار و آموزش مناسب و داده های کافی قادر است تاثیرات و ارتباط بین رسوب و سایر متغیرهای موثر در رسوبدهی را بدون استفاده از روابط اختصاصی و معادلات مربوطه فرا گیرد .ساختار شبکه استفاده شده برای رسوبدهی زیر حوزه ها، شبکه هایی با آرایش پیش رو میباشد و بدین علت از ساختار MLP برای آن منظور استفاده شده است .پس از آموزش و آزمایش داده ها بهترین
حالت در نظر گرفته شده و سپس آنرا با روش رگرسیون های چند متغیره مقایسه کرده،نتایج مقایسه، نشان دهنده بهبود قابل توجهی در محاسبه و تخمین رسوب و کارایی روش شبکه های عصبی نسبت به روش رگرسیون های چند متغیره است .
کلیدواژه ها:
نویسندگان
احسان امامی
کارشناس ارشد سازه های هیدرولیکی ،شرکت مشانیر
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 :