تعداد نشریات | 43 |
تعداد شمارهها | 1,637 |
تعداد مقالات | 13,313 |
تعداد مشاهده مقاله | 29,870,614 |
تعداد دریافت فایل اصل مقاله | 11,944,850 |
مقایسه کارآیی مدلهای شبکههای عصبی مصنوعی و رگرسیون برای پیشبینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان | ||
جغرافیا و برنامه ریزی محیطی | ||
مقاله 2، دوره 22، شماره 4، اسفند 1390، صفحه 19-34 اصل مقاله (455.36 K) | ||
نویسندگان | ||
عبداله سیف؛ عباسعلی ولی* ؛ محمدحسین رامشت؛ عباسعلی ولی* ؛ رضا قضاوی؛ رضا قضاوی؛ | ||
چکیده | ||
یک سیستم رودخانهای یک سیستم بازاست که از درگیر شدن ارتباطات مختلف و پیچیده شکل میگیرد. خصوصیات ذاتی حوضهها از یک سو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر میسازد.وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان ورسوب حمل شده وتاثیر عوامل ژئومورفولوژی حوضه و مدل سازی آن از اهمیت ویژه ای برخوردار است.در این مطالعه دونوع شبکه عصبی مصنوعی ژئومورفولوژیکی و غیر ژئومورفولوژیکی برای پیش بینی بار رسوب جریان رودخانه سمندگان طراحی گردید و نتایج آن با دو نوع مدل رگرسیونی ژئومورفولوژیکی و غیر ژئومورفولوژیکی مورد مقایسه قرار گرفت. نتایج طراحی شبکههای عصبی مبین کارآیی خوب شبکههای چند لایه ی پرسپترون با الگوریتم یادگیری پس انتشار خطا است. نتایج نشان داد که شبکه عصبی ژئومورفولوژیکی با ضریب تبیین 862/0 و مجذور میانگین مربعات خطای 815/1 در مقایسه شبکه عصبی غیر ژئومورفولوژیکی با ضریب تبیین 827/0و معیار خطای031/2 میزان رسوب جریان را بهتر پیشبینی میکند. نتایج ارزیابی مدلهای رگرسیونی مبین عملکرد ضعیفتر آنها در مقایسه با روش شبکه عصبی مصنوعی است به طوری که ضریب تبیین مدل رگرسیونی ساده غیر ژئومورفولوژیکی 759/0و معیار خطای 395/2 و ضریب تبیین مدل رگرسیونی ژئومورفولوژیکی برابر 811/0 با معیار خطای معادل 142/2 است. همچنین از مقایسه نتایج مدلهای مختلف چنین استنباط میشود زمانی که پارامترهای ژئومورفولوژیکی نظیر شاخص ناهمواری، شاخص گردی و شاخص تراکم زهکشی در مدل سازی وارد شوند نتایج ارزیابی آنها مناسبتر میشود. | ||
کلیدواژهها | ||
بار رسوب؛ پیشبینی؛ رودخانه سمندگان؛ ژئومورفولوژی؛ سیلاب؛ شبکه عصبی مصنوعی؛ مدل رگرسیونی؛ مدل سازی | ||
آمار تعداد مشاهده مقاله: 547 تعداد دریافت فایل اصل مقاله: 2,035 |