مقایسه مدل سازی دبی خروجی از سد پاره سنگی با شبکه عصبی مصنوعی و روش عددی
نویسنده:
چکیده:
سیلاب یکی از مهمترین بلایای طبیعی است که حیات و سرمایه بشری را تهدید می نماید. سد های پاره سنگی یکی از روش های ارزان قیمت جهت کنترل سیلاب محسوب میگردند. استفاده از این سدها سبب می شود که هیدروگراف سیل خروجی از آن، دارای دبی اوج کمتر و زمان پایه بزرگتری نسبت به هیدروگراف ورودی گردد. شبکه عصبی مصنوعی از جمله روش هایی است که می تواند با دقت مناسبی فرآیندهای پیچیده و غیرخطی را برآورد نماید. اما دقت پیشبینی آن به نوع الگوریتم یادگیری و تابع آستانه مورد استفاده بستگی دارد. در این تحقیق به منظور برآورد دبی خروجی از سدهای پاره سنگی و بر مبنای بکارگیری داده های آزمایشگاهی، مدل شبکه عصبی پرسپترون چندلایه با الگوریتم های یادگیری مختلف و تابعهای آستانه مورد ارزیابی قرار گرفت. سپس، دبی برآورد شده با روش شبکه عصبی مصنوعی با مقادیر حاصله از مدل عددی دو بعدی مقایسه گردید. نتایج نشان داد که مدل پرسپترون چندلایه با الگوریتم یادگیری دلتا بار دلتا و تابع آستانه تانژانت هایپربولیک با مقدار میانگین مربع خطا برابر با 00011/0، مقدار دبی خروجی از سد پاره سنگی را با دقت بالایی پیش بینی می نماید. همچنین شبکه عصبی مصنوعی با مقدار ضریب تعیین (962/0 =2R) همانند مدل عددی (984/0 =2R) ازعملکرد مطلوبی برخوردار بود. بنابراین میتوان برای تخمین دبی خروجی از سد های پارهسنگی، با بکارگیری شبکه عصبی مصنوعی بجای روش های عددی به مشکل پیچیدگی و زمان بر بودن روش های عددی فائق آمد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
22
لینک کوتاه:
magiran.com/p1122924
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!