دانلود مقاله کاربرد شبکه عصبی مصنوعی در برآورد آبدهی رودخانه ها به کمک دمای کمینه و دبی (مطالعه موردی: حوضه آبریز هامون) تحت word

توضیحات

  مقاله کاربرد شبکه عصبی مصنوعی در برآورد آبدهی رودخانه ها به کمک دمای کمینه و دبی (مطالعه موردی: حوضه آبریز هامون) تحت word دارای 17 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله کاربرد شبکه عصبی مصنوعی در برآورد آبدهی رودخانه ها به کمک دمای کمینه و دبی (مطالعه موردی: حوضه آبریز هامون) تحت word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله کاربرد شبکه عصبی مصنوعی در برآورد آبدهی رودخانه ها به کمک دمای کمینه و دبی (مطالعه موردی: حوضه آبریز هامون) تحت word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله کاربرد شبکه عصبی مصنوعی در برآورد آبدهی رودخانه ها به کمک دمای کمینه و دبی (مطالعه موردی: حوضه آبریز هامون) تحت word :

تعداد صفحات:17

چکیده:

مسئله تخمین و پیش بینی زمان و مقدار آبدهی رودخانه ها بعد از بارندگی های سیل آسا از نقطه نظر ایمنی، مسائل زیست محیطی و مدیریت منابع آب حائز اهمیت می باشد. در حال حاضر از روش های ریاضی متعددی برای پیش بینی آبدهی رودخانه استفاده می شود اما انتخاب مدل هایی که تا حد امکان به واقعیت موجود در حوضه نزدیک باشد بسیار مشکل است. در سال های اخیر از شبکه های عصبی مصنوعی(ANN) به طرز قابل توجهی در شبیه سازی فرایندهای مختلف استفاده شده است .در این مطالعه از نرم افزارMATLAB7 و در شاخهNeural Networkبرای پیش بینی جریان خروجی حوضه آبریز هامون با استفاده از داده های هیدرومتری و هواشناسی (بارش، دبی، دمای مینیمم) در مقیاس زمانی ماهانه و به طول آماری 25 سال استفاده شده است. اطلاعات 21 سال برای آموزش مدل ها و 4 سال باقیمانده برای تست آن ها بکار رفته است. شبکه مورد استفاده از نوع پرسپترون چند لایه(MLP)با الگوریتم پس انتشارِخطا (BP)و تکنیک یادگیری مارکوارت- لونبرگ(LM) می باشد. نتایج حاصل از تحقیق حاضر نشان می دهد که در میان الگوهای مورد بررسی، دمای مینیمم ، دبی و بارش نقش مثبت در برآورد صحیح جریان رودخانه ها دارند. بطور کلی می توان اظهار داشت که مدل شبکه عصبی مصنوعی، مدلی قوی با توانمندی بالا است که می توان با دیدگاهی مثبت در پیش بینی مسائل هیدرولیکی به آن نگریست بخصوص آنجا که شبکه ی عصبی مصنوعی قادر است قانون حاکم بر داده ها، حتی داده های مغشوش را استخراج نماید و این خصوصیت، برجسته ترین ویژگی این مدل در مقایسه با سایر مدل هاست.

برای دریافت اینجا کلیک کنید