ارزیابی کاربرد شبکه عصبی مصنوعی و بهینه سازی آن با روش الگوریتم ژنتیک در تخمین داده های بارش ماهانه (مطالعه موردی: منطقه کردستان)
Authors
abstract
برآورد توزیع مکانی بارش برای اجرای طرح های مطالعات منابع آب، خشک سالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می-باشد. تغییرات زیاد مقدار بارش در نقاط مختلف، کمبود ایستگاه های اندازه گیری و پیچیدگی ارتباط بارش با پارامترهای اثرگذار بر آن، اهمیت توسعه روش های کارآمد را در برآورد توزیع مکانی بارش دو چندان می نماید. شبکه عصبی مصنوعی به عنوان یک روش نوین، در مدل سازی و پیش بینی فرآیندهایی که برای شناخت و توصیف دقیق آنها راه حل و رابطه صریحی وجود نداشته، موفق بوده است. این تحقیق با هدف بررسی کارایی شبکه عصبی مصنوعی در برآورد مکانی بارش ماهانه انجام گرفت. بدین منظور شبکه عصبی با ساختار پرسپترون چند لایه برای تدوین مدل برآورد مکانی بارش در پنج ایستگاه سینوپتیک و باران سنجی، واقع در استان کردستان، به کارگرفته شد. برای طراحی ساختار مدل در هر ایستگاه، با تغییر پارامترهای قابل تنظیم، (شامل تابع انتقال، قانون آموزش، مقدار مومنتم، تعداد لایه پنهان، تعداد نرون لایه پنهان و تعداد الگوها)، شبکه های عصبی مختلف ساخته و اجرا شد. در هر مورد، ساختاری که کمترین مقدار جذر میانگین مربعات خطا (rmse) را داشت به عنوان مدل نهایی انتخاب گردید. از آنجا که انتخاب هر یک از پارامترهای متغیر شبکه عصبی مستلزم آزمون و خطاهای مکرر و در نتیجه آموزش تعداد زیادی شبکه با ساختار مختلف بود، از روش الگوریتم ژنتیک برای بهینه یابی این پارامترها استفاده شد و کارایی این روش در بهینه سازی شبکه عصبی بررسی گردید. نتایج نشان داد، شبکه عصبی در مدل سازی و برآورد مکانی بارش ماهانه از دقت بالایی برخوردار است. هم چنین تلفیق آن با الگوریتم ژنتیک، برای بهینه سازی شرایط اجرای شبکه عصبی، مثبت ارزیابی گردید و روش تلفیقی در اکثر موارد برتری خود را نسبت به اجرای شبکه عصبی بدون بهینه سازی نشان داد. دقیق ترین مدل در همه ایستگاه های مورد مطالعه، با استفاده از تابع انتقال سیگموئید و قانون آموزش لونبرگ مارکوارت حاصل گردید. در مدل های منتخب، مقدار ضریب تبیین (2r) بین مقادیر خروجی مدل و داده های مشاهده شده در ایستگاه، برابر با 86/0، 89/0، 94/0، 77/0 و 94/0 به دست آمد.
similar resources
ارزیابی کاربرد شبکه عصبی مصنوعی و بهینه‌سازی آن با روش الگوریتم ژنتیک در تخمین داده‌های بارش ماهانه (مطالعه موردی: منطقه کردستان)
Estimating spatial distribution of precipitation is vital to execute water resources plans, drought, land-use plans environment, watershed management, and agricultural master plans. High variation in amount of precipitation in various parts, lack of measurement stations, and the complexity of relationship between precipitation and parameters affecting it have doubled the importance of developin...
full textکاربرد روش ترکیبی زمین آمار و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در تخمین سطح ایستابی (مطالعه موردی: دشت های دزفول و زیدون)
از آنجایی که برداشت آب از چاه‌های مشاهده‌ای موجود در دشت‌ها به صورت نقطهای انجام می‌گیرد، لذا ضرورت دارد به منظور محاسبه مقدار متوسط سطح آب زیرزمینی در دشت‌ها و تخمین سطح آب، اطلاعات حاصل از برداشت نقطهای به کل سطح تعمیم داده شود. هدف از انجام این پژوهش بررسی کاربرد روش ترکیبی زمین آمار و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در تخمین سطح آب زیرزمینی در دشت‌های دزفول و زیدون واقع...
full textمدل شبکه عصبی مصنوعی تبخیر ماهانه از تشت با استفاده از داده های هواشناسی- مطالعه موردی منطقه حاشیه دریای خزر
تبخیر یکی از مؤلفه‌های اصلی چرخه آب در طبیعت بوده و تعیین دقیق آن برای بسیاری مطالعات مثل بیلان آبی حوزه، طرح ریزی و مدیریت منابع آب حائز اهمیت است. تبخیر به دلیل اثرات متقابل عوامل متعدد اقلیمی، پدیده پیچیده و غیر خطی است و لذا برای تخمین آن باید از مدل‌های پیشرفته استفاده کرد. در این تحقیق، هشت نوع ترکیب پارامترهای هواشناسی بعنوان داده‌های ورودی برای برآورد تبخیر از تشت با استفاده از شبکه‌ها...
full textبرآورد مشخصات پرش هیدرولیکی متحرک با کاربرد شبکه عصبی مصنوعی و روش تلفیقی شبکه عصبی-الگوریتم ژنتیک
پرش هیدرولیکی متحرک، حالت خاصی از جریان غیرماندگار است که باعث تغییر رژیم و وقوع ناپیوستگی هیدرولیکی در جریان می شود . در روندیابی جریان غیرماندگار و یا برنامه های بهره برداری کانال های روباز، آگاهی از رفتار چنین جریانی در باز ه ها ضروری است . این درحالی است که شبیه سازی عددی این پدیده به واسطه وجود ناپیوستگی هیدرولیکی و غیرماندگاری جریان، پیچیده است و داده های آزمایشگاهی در این مورد نیز محدو...
full textبهینه سازی ایستگاه های اتوبوس شهری با الگوریتم ژنتیک و GIS (مطالعه موردی: منطقه 6 تهران)
طراحی ایستگاههای اتوبوس یه صورت استاندارد، از جمله موارد مهمی هست که باعث پهلوگیری مناسب اتوبوس در ایستگاهها، کاهش زمان پیاده و سوار شدن مسافران و تاثیر منفی کمتر این سیستم بر تردد سایر وسایل نقلیه می شود. در این تحقیق سعی گردید تا مکان های مناسب جهت ایجاد ایستگاه های کاندید اتوبوس درون شهری در منطقه 6 تهران با توابع GIS و تصمیم گیری تحلیل شبکه ANP، شناسایی شده و با استفاده از الگوریتم ژنتیک و ...
full textMy Resources
Save resource for easier access later
Journal title:
علوم آب و خاکجلد ۱۴، شماره ۵۱، صفحات ۲۷-۴۴
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023