تعداد نشریات | 161 |
تعداد شمارهها | 6,563 |
تعداد مقالات | 70,847 |
تعداد مشاهده مقاله | 124,948,027 |
تعداد دریافت فایل اصل مقاله | 98,169,458 |
تحلیل مقایسه عملکرد شبکههای عصبی مصنوعی ومدلهای رگرسیونی پیشبینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود | ||
پژوهش های جغرافیای طبیعی | ||
مقاله 2، دوره 42، شماره 71 - شماره پیاپی 317637، آذر 1389 اصل مقاله (285.42 K) | ||
نویسندگان | ||
عباسعلی ولی؛ مسعود معیری؛ محمد حسین رامشت؛ ناصر موحدی نیا | ||
چکیده | ||
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 ثبت شده دبی و رسوب طراحی شدهاند. پارامترهای ژئومورفولوژیکی بکار رفته در مدلهای مزبور شامل: نسبت ناهمواری، ضریب شکل و تراکم زهکشی میباشند. شبکههای عصبی مصنوعی طراحی شده از نوع انتشار برگشتی چهار لایه است. بهترین نتایج پیشبینی 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 ضعیفتر 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 رودخانهای معرفی میشوند. | ||
کلیدواژهها | ||
بار رسوب؛ رواناب؛ ژئومورفولوژی؛ شبکه عصبی مصنوعی؛ مدل رگرسیونی. | ||
آمار تعداد مشاهده مقاله: 3,709 تعداد دریافت فایل اصل مقاله: 2,314 |