پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,572 |
| تعداد مقالات | 71,005 |
| تعداد مشاهده مقاله | 125,494,155 |
| تعداد دریافت فایل اصل مقاله | 98,754,781 |
تجزیه و تحلیل شبکه‌های عصبی مصنوعی ژئومورفولوژیکی در برآورد رواناب مستقیم (حوضة جاجرود، زیرحوضة امامه) | ||
| پژوهش های جغرافیای طبیعی | ||
| مقاله 3، دوره 41، شماره 68 - شماره پیاپی 314887، آذر 1388 اصل مقاله (343.58 K) | ||
| نویسندگان | ||
| علی نصیری؛ مجتبی یمانی | ||
| چکیده | ||
| برآورد و تعیین رواناب مستقیم رودخانه‌ها در عمل کار پیچیده‌ای است و تاکنون روش‌های متفاوتی برای محاسبه آن پیشنهاد شده است. یکی از روش‌های جدید در حل مسائل مهندسی آب و رودخانه‌ها و همچنین برآورد دبی رودها، استفاده از روش شبکه عصبی مصنوعی است که با الگوبرداری از شبکه عصبی مغز انسان، ضمن اجرای فرایند آموزش، روابط درونی بین داده‌ها را کشف می‌کند و آن را به موقعیت‌های دیگر تعمیم می‌دهد. هدف عمدة پژوهش حاضر نیز برآورد رواناب از طریق تجزیه و تحلیل روابط بارش ـ رواناب براساس داده‌های کمّی ژئومورفولوژی و با استفاده از تکنیک شبکه‌های عصبی مصنوعی ژئومورفولوژیکی (GANN) در حوضه امامه (از زیرحوضه‌های جاجرود) است. در مطالعة حاضر بر مبنای ساختمان ژئومورفولوژی شبکه هیدرولوژی حوضه مورد نظر، یک سامانة شبکه عصبی ژئومورفولوژیکی سه‌لایه با تعدادی نودهای میانی برابر تعداد مسیرها یا وضعیت‌های ژئومورفولوژیکی شبکه هیدرولوژی حوضه به‌منظور برآورد رواناب مستقیم ایجاد گردید. وزن‌های مربوط به اتصالات درون‌شبکه‌ای ساختمان آن مدل با استفاده از متغیرهای ژئومورفولوژی تعیین شد. نتایج به دست آمده از مدل شبکه‌ای مذکور با اطلاعات حاصل از مشاهدات مستقیم به‌منظور نشان دادن کارایی آن مقایسه شد. ارزیابی نتایج، حاکی از عملکرد بسیار خوب (97/0=2R) مدل شبکه ژئومورفولوژیکی در تعیین پاسخ‌های هیدرولوژیکی حوضة مورد مطالعه است. بدین‌وسیله، برتری مدل مذکور بر روش‌های رایج و معمول نشان داده می‌شود. | ||
| کلیدواژه‌ها | ||
| حوضه آبخیز جاجرود؛ زیرحوضه امامه.؛ شبکه‌های عصبی مصنوعی (ANN)؛ شبکه‌های عصبی مصنوعی ژئومورفولوژی (GANN) | ||
|
آمار تعداد مشاهده مقاله: 2,162 تعداد دریافت فایل اصل مقاله: 3,058 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب