بهینه سازی ساختار شبکه عصبی مصنوعی در پیش بینی دبی رسوب با استفاده از روش تاگوچی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در دهههای اخیر شبکههای عصبی مصنوعی به عنوان ابزاری موفق در تخمین و پیشبینی پدیدههای هیدرولوژیکی به کار گرفته شدهاند. اگرچه استفاده از شبکه های عصبی مصنوعی امکان برآورد بار معلق رسوب رودخانه ها را با دقت و سرعت مناسب فراهم کرده است، اما دقت پیش بینی این مدل ها، به میزان زیادی تحت تاثیر دانش و درک کاربر از شبکه عصبی مصنوعی قرار دارد. در مطالعات منابع طبیعی و به ویژه مطالعات هیدرولوژی و رسوبسنجی، توجه کمی به بهینهسازی ساختار شبکه عصبی مصنوعی شده است و بطور معمول از روش آزمون و خطا برای ایجاد یک ساختار بهینه استفاده می شود. در تحقیق حاضر برای یافتن بهترین ساختار شبکه عصبی مصنوعی در پیشبینی بار رسوبی رودخانه نکا از روش بهینه سازی تاگوچی استفاده شد. چهار فاکتور مهم در ساختار شبکه های عصبی مصنوعی شامل تعداد نرون در لایه پنهان اول، تعداد نرون در لایه پنهان دوم، الگوریتم آموزش و تابع انتقال که از عوامل اثرگذار بر برآورد خروجی شبکه عصبی مصنوعی هستند، در سه سطح مختلف در طراحی آزمایشات تاگوچی در نظر گرفته شد. نتایج نشان داد که ساختار بهینه شبکه عصبی با 3 نرون در لایه پنهان اول (سطح سه) ، 7 نرون در لایه پنهان دوم (سطح دو) ، الگوریتم آموزش Levenberg-Marquarate (سطح سه) و تابع انتقال PURELIN (سطح دو) می باشد که می تواند دبی رسوب نکارود را با دقت بالا برآورد کند.
کلیدواژگان:
زبان:
فارسی
صفحات:
89 تا 97
لینک کوتاه:
magiran.com/p1912834
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!