مقاله ارزيابي تاثير سيگنال هاي مختلف ورودي بر ميزان كارايي مدل هاي شبكه عصبي مصنوعي در شبيه سازي هوشمند آبنمود سيل که چکیده‌ی آن در زیر آورده شده است، در تابستان ۱۳۸۹ در مجله علوم و مهندسي آبخيزداري ايران از صفحه ۴۵ تا ۴۸ منتشر شده است.
نام: ارزيابي تاثير سيگنال هاي مختلف ورودي بر ميزان كارايي مدل هاي شبكه عصبي مصنوعي در شبيه سازي هوشمند آبنمود سيل
این مقاله دارای ۴ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله آبنمود سيل
مقاله شبكه عصبي مصنوعي
مقاله حوزه آبخيز سد شيرين دره
مقاله الگوريتم يادگيري و تابع انتقال

نویسنده(ها):
جناب آقای / سرکار خانم: پهلواني حميد
جناب آقای / سرکار خانم: بهره مند عبدالرضا
جناب آقای / سرکار خانم: دهقاني اميراحمد

چکیده و خلاصه‌ای از مقاله:
برآورد مشخصات آبنمود سيل در رودخانه ها يکي از مسايل مورد علاقه پژوهشگران علوم آب و آب شناختي مي باشد. در اين پژوهش توانايي مدل هاي شبکه عصبي مصنوعي جهت شبيه سازي آبنمود سيل ورودي به سد مخزني شيرين دره در استان خراسان مورد بررسي قرار گرفته است. بدين منظور تمامي آبنمودهاي سيل ثبت شده در ايستگاه آب سنجي موجود در بالادست مخزن سد، گردآوري و مقادير دبي سيل با استفاده از روابطه مربوطه استاندارد شد. در ادامه چهار الگوي ورودي بر مبناي استفاده از دبي سيل در ساعات گذشته (يعني ۲، ۳، ۴ و ۵ ساعت قبل) طراحي شدند. به منظور بررسي اثر تعداد پارامترهاي ورودي بر دقت برآورد، در هر الگو نيز چهار سيگنال بر اساس تاخير دبي سيل طراحي و مورد ارزيابي قرار گرفتند. به منظور ارزيابي تاثير افزايش آموزش مدل در بهبود عملکرد آن، معيارهاي آماري متعددي همچون خطاي حجم سيل، خطاي دبي اوج، خطاي زمان تا اوج و معيار ناش- ساتکليف در هر سيگنال ورودي محاسبه و مورد ارزيابي قرار گرفتند. نتايج نشان مي دهد كه با افزايش زمان تاخير، دقت شبيه سازي كمتر مي شود. همچنين به ازاي يك زمان تاخير معين، با افزايش تعداد ورودي ها (دبي در ساعتهاي قبل)، نيز دقت نتايج افزايش مي يابد. به طوريکه با افزايش تعداد ورودي ها در الگوي اول، ميزان ضريب ناش- ساتکليف از مقدار ۰٫۷۹ به ۰٫۹۱ براي سيگنال چهارم افزايش يافت.