CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله استفاده از شبک ههای عصبی مصنوعی در پیش بینی ماهانه جریان رودخانه

عنوان مقاله: استفاده از شبک ههای عصبی مصنوعی در پیش بینی ماهانه جریان رودخانه
شناسه (COI) مقاله: 311_0234505608
منتشر شده در دهمین کنفرانس دانشجویی مهندسی عمران در سال ۱۳۸۲
مشخصات نویسندگان مقاله:

سید سامان رضوی - دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشکده مهندسی عمران دانشگاه صنعتی امیرکبیر تهران
محمد کارآموز - استاد دانشکده عمران و محیط زیست دانشگاه صنعتی امیرکبیر

خلاصه مقاله:
در دهه های اخیر با توجه به رشد جمعیت جهان و همچنین افزایش مصرف سرانه آب، کمبود آب شیرین قابل استحصال به معضلی جهانی تبدیل گشته است . از این رو با توجه به محدود بودن منابع آب، مدیریت صحیح و بهینه مهمترین وظیفه سیاستگذاران و مهندسین منابع آب می باشد. یکی از مهمترین ارکان مدیریت منابع آب، پیش بینی میزان این منابع در آینده است. اهمیت این پی شبین یها در تصمیماتی است که به منظور مدیریت بهینه منابع آب صورت می گیرد. تاکنون کوششهای بسیاری برای طراحی مدلهای پیش بینی صورت گرفته که از جمله آنها می توان مد لهای آماری ARMAو سایر مدلهای مبتنی بر رگرسیون را نام برد . در دهه اخیر با پیشر فت شبکه های عصبی مصنوعی، این مدلها به شکل ابزار قدرتمندی در حل بسیاری از مسائل فنی مهندسی از جمله در مهندسی آب مطرح شده اند .شبکه های عصبی قادرند، با پردازش داده های تجربی، دانش یا قانون نهفته در بطن داده ها را فراگیرند، بدین جهت انتظار می رود، شبکه های عصبی مصنوعی ابزاری مناسب برای یک مدل پیش بینی باشد . در این مقاله برای پیش بینی ماهانه جریان رودخانه از شبکه های عصبی مصنوعی استفاده شده است و کاربرد آن با استفاده از آمار واطلاعات حوزه سد زاینده رود در پیش بینی رواناب زاینده رود در محل ورودی به سد تحت آزمون قرار گرفته است . همچنین در پایان به منظور مقایسه، مساله با استفاده از رگرسیون خطی نیز تحت بررسی قرار گرفته است. نتایج نشان دهنده توانایی و برتری شبک ههای عصبی در پی شبینی جریان رودخانه با دقت قابل قبول بوده است.

کلمات کلیدی:
شبکه های عصبی مصنوعی، پس انتشار خطا، پیش بینی رواناب، آزمایش شبکه، رگرسیون خطی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-CESC10-311_0234505608.html