تحلیل مقایسه عملکرد شبکه های عصبی مصنوعی ومدل های رگرسیونی پیش بینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود

Authors

عباسعلی ولی

مسعود معیری

محمد حسین رامشت

ناصر موحدی نیا

abstract

یکی از جنبه های حائز اهمیت در مدیریت محیط در ژئومورفولوژی کاربردی حل مشکل برآورد رسوب یک سیستم رودخانه ای می‏باشد. هدف این مطالعه ارزیابی عملکرد مقایسه ای دونوع شبکه عصبی مصنوعی (مدل ژئومورفولوژیکی و مدل غیر ژئومورفولوژیکی) و دو نوع مدل رگرسیونی (مدل توانی ومدل غیر خطی چندگانه) برای پیش بینی بار رسوب معلق حوضه اسکندری در حوضه آبریز زاینده رود می‏باشد. مدل‏ها براساس آمار 104 حادثه وقوع همزمان ثبت شده دبی و رسوب طراحی شده اند. پارامترهای ژئومورفولوژیکی بکار رفته در مدل‏های مزبور شامل: نسبت ناهمواری، ضریب شکل و تراکم زهکشی می باشند. شبکه‏های عصبی مصنوعی طراحی شده از نوع انتشار برگشتی چهار لایه است. بهترین نتایج پیش بینی مربوط به روش شبکه عصبی مصنوعی ژئومورفولوژیکی با ضریب تبیین معنی دار 98/0 و جذر میانگین خطای 49/4 در مقایسه با روش شبکه عصبی مصنوعی طراحی شده بر اساس آمار جریان با مقادیر ضریب تبیین 96/0 و خطای35/5 می‏باشد. عملکرد روش‏های رگرسیونی با ضریب تبیین 893/0 و خطای66/8 برای روش چند متغیره غیرخطی ومقادیر ضریب تبیین 814/0 و خطای برآورد 05/15 برای روش غیر خطی ساده توانی ضعیف تر از شبکه‏های عصبی مشاهده گردید. تفاوت فاحش در شاخص‏های ارزیابی مدل‏های شبکه عصبی مصنوعی نسبت به روش‏های رگرسیونی در عملکرد مناسب آنها برای تعداد کم نمونه‏های مدل می‏باشد. بنابراین شبکه‏های عصبی مصنوعی به خصوص شبکه‏های ژئومورفولوژیکی به عنوان یک ابزار قوی پیش بینی شایسته بار رسوب یک سیستم پیچیده رودخانه ای معرفی می‏شوند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تحلیل مقایسه عملکرد شبکه‌های عصبی مصنوعی ومدل‌های رگرسیونی پیش‌بینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود

یکی از جنبه‌های حائز اهمیت در مدیریت محیط در ژئومورفولوژی کاربردی حل مشکل برآورد رسوب یک سیستم رودخانه‌ای می‏باشد. هدف این مطالعه ارزیابی عملکرد مقایسه‌ای دونوع شبکه عصبی مصنوعی (مدل ژئومورفولوژیکی و مدل غیر ژئومورفولوژیکی) و دو نوع مدل رگرسیونی (مدل توانی ومدل غیر خطی چندگانه) برای پیش بینی بار رسوب معلق حوضه اسکندری در حوضه آبریز زاینده رود می‏باشد. مدل‏ها براساس آمار 104 حادثه وقوع همزمان ثب...

full text

برآورد میزان رسوب حوضه رود ارس با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: زیرحوضه دره رود)

    یکی از روش­های نوین در زمینه­ پیش­بینی­ فرآیندهای هیدرولوژیکی و ژئومورفولوژیکی  شبکه­های عصبی مصنوعی از مؤلفه­های هوش مصنوعی است که در جهت پیاده­سازی ویژگی­های شگفت انگیز مغز انسان در یک سیستم مصنوعی می­کوشند و ابزاری قدرتمند در زمینه­ی مدل­سازی و پیش­بینی پارامترهای ژئومورفولوژی­­اند که در این پژوهش جهت برآورد میزان رسوب حوضه­ رود ارس استفاده شده است. بدین منظور از آمار دبی، رسوب...

full text

مقایسه کارایی روش‏های نروفازی، شبکه عصبی مصنوعی و مدل‏های آماری در تخمین رسوب معلق رودخانه‌ها(مطالعه موردی: بالادست حوضه طالقان)

برآورد دقیق میزان رسوب معلق رودخانه‌ها از مسائلی مهم در طراحی مخازن، آلودگی دریاچه‌ها، طراحی کانال‏ها و لایروبی آنها بعد از سیلاب‏ها، تعیین خسارت‏های ناشی از رسوبگذاری و تعیین تأثیرات مدیریت آبخیز است. روش‏های متعددی به‌منظور برآورد بار معلق رودخانه‌ها وجود دارد. یکی از این روش‏ها، که در حل مسائل مختلف هیدرولوژی رسوب و پیش‌بینی آن کاربرد زیادی دارد، روش‏های نوروفازی و شبکه‌های عصبی مصنوعی است. ...

full text

مقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل‌های ‏رگرسیونی، منحنی‌سنجه رسوب در برآورد ‏رسوب معلق روزانه

تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

full text

مقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی در تخمین رسوبات معلق رودخانه ها (مطالعه موردی: سیمینه رود)

زمینه و هدف: شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسایل مهم در مدیریت منابع آب می باشد. اندازه گیری مقدار رسوب به روش های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده و گاهی از دقت کافی نیز برخوردار نمی باشد.  روش بررسی: در این پژوهش تخمین رسوب رودخانه سیمینه رود واقع در استان آذربایجان غربی، با استفاده از شبکه عصبی بیـزین مورد بررسی قرار گرفته و نتایج آن با روش های مرسـوم هوشمند هم...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهشهای جغرافیای طبیعی

Publisher: مؤسسه جغرافیا

ISSN 2008-630X

volume 42

issue 71 2010

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023