مقاله مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه

توضیحات

 مقاله مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه دارای 10 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه  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 مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه :

تعداد صفحات:10

چکیده:

تهیه مدل های پیش بینی جریان رودخانه یکی از مهمترین مسائل در برنامه ریزی و مدیریت منابع آب می باشد. روشهای مرسوم گذشته در این زمینه، عمدتا در قالب مدل های قطعی و اتفاقی بوده اند. ایجاد مدل پیش بینی جریان بر اساس روش های قبلی معمولا زمان زیادی نیاز دارد، به طوری که مثلا درمورد مدل های رگرسیونی، با افزایش آمار و اطلاعات، لازم است کلیه معادلات را مجددا ارزیابی و اصلاح نمود، اما در روش های اخیر نیاز به تغییرات گسترده نیست. از جمله روشهایی که امروزه در کنار روشهای کلاسیک مطرح شده، استفاده از شبکه های عصبی مصنوعی می باشد. در این پژوهش از دو نوع شبکه عصبی مصنوعیGRNN و MLPجهت پیش بینی جریان، استفاده شده است که در هر مورد شبکه با ورودی های مختلف مورد بررسی قرار گرفته است و در نهایت میزان وابستگی زمانی پارامترهای تأثیر گذار بر دبی رودخانه با استفاده از آنالیز خطای شبکه در هر حالت بدست آمده است. همچنین از مدل های رگرسیون خطی مرکب یا چند متغیره نیز به منظور مقایسه با شبکه های عصبی استفاده شده است، بدین منظور مشابه مدل های شبکه عصبی، مدل های رگرسیونی نیز با متغیرهای وابسته متفاوت مورد بررسی قرار گرفتند و در نهایت نتایج تمامی مدل ها با توجه به معیارهای سنجش خطا و نکوئی برازش ارزیابی گردیده و مدل نهایی انتخاب شده است که بیانگر عملکرد بهتر شبکه های عصبی مصنوعی نسبت به مدل های رگرسیونی به خصوص در مورد مدل های با تعداد متغیر وابسته بیشتر، می باشد

برای دریافت اینجا کلیک کنید