تخمین بار معلق رسوبی رودخانه سنگورچای با استفاده از دو مدل شبکه عصبی مصنوعی
نویسنده:
چکیده:
حوضه رودخانه سنگورچای به عنوان یکی از شاخه های رودخانه قزل اوزن دارای حجم بالایی ازرسوبات است. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از مدل پیش خور با الگوریتم پس انتشار خطا(FFBP) و تابع پایه شعاعی(RBF) استفاده شد. در واقع طبیعت غیر خطی بار معلق رسوبی استفاده از مدل های فوق را به عنوان مدل های غیرخطی در شبیه سازی این پارامتر اجتناب ناپذیر کرده است. لیکن پارامترهای ورودی برای هر مدل متفاوت بوده و در یک مرحله تنها از داده دبی استفاده شده و در مرحله بعد علاوه بر داده دبی از داده بارندگی نیز در هر مدل استفاده گردید. سپس برای تعیین کارایی مدل ها از فاکتور مجذور میانگین مربعات خطا(RMSE) و خطای تعیین(R2) استفاده شده و مشاهده می شود که مدل RBF در صورت استفاده از دو پارامتر دبی و بارندگی به عنوان پارامترهای ورودی، با برخورداری از خطای تعیین 9251/0 و مجذور میانگین مربعات خطای معادل 265 میلی گرم در لیتر به نتایج بهتری دست یافته است. در نهایت برای تعیین قابلیت پارامتر RMSE در صحت سنجی هر یک از مدل ها، از سیستم اطلاعاتی آکائیک(AIC) استفاده شده و مشاهده شد که مدل RBF با برخورداری از مقادیر آکائیک معادل 1042 از قابلیت بهتری برخوردار است.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
115 تا 131
لینک کوتاه:
magiran.com/p1660132
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 990,000ريال 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!