مقایسه توانایی شبکه های عصبی مصنوعی با مدلهای رگرسیون خطی و غیرخطی در پیش بینی فرسایش و رسوبدهی خاک مطالعه موردی: حوضه کر -چمریز

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقایسه توانایی شبکه های عصبی مصنوعی با مدلهای رگرسیون خطی و غیرخطی در پیش بینی فرسایش و رسوبدهی خاک مطالعه موردی: حوضه کر -چمریز دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه توانایی شبکه های عصبی مصنوعی با مدلهای رگرسیون خطی و غیرخطی در پیش بینی فرسایش و رسوبدهی خاک مطالعه موردی: حوضه کر -چمریز  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقایسه توانایی شبکه های عصبی مصنوعی با مدلهای رگرسیون خطی و غیرخطی در پیش بینی فرسایش و رسوبدهی خاک مطالعه موردی: حوضه کر -چمریز،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه توانایی شبکه های عصبی مصنوعی با مدلهای رگرسیون خطی و غیرخطی در پیش بینی فرسایش و رسوبدهی خاک مطالعه موردی: حوضه کر -چمریز :

تعداد صفحات :۱۸

چکیده مقاله:

حفاظت آب و خاک از اصولی ترین پایه های توسعه پایدار است و بی توجهی به این اصل می تواند عواقب جبران ناپذیری را به همراه داشته باشد. لذا هدف اصلی این پژوهش مشخص کردن منابع اصلی فرسایش و رسوبزایی بالقوه در حوضه از جمله اطلاعات ضروری است که باید در مورد هر حوضه آبخیز در ایران به آن پی برده و با تدابیری خاص در تقلیل فرسایش و تولید رسوب اقدام نمود. رواناب سطحی و جریان آب در رودخانه ها همواره توأم با فرسایش و حمل مواد رسوبی است، واضح است جهت مطالعه دقیق رسوب، علاوه بر شناخت طبیعت رسوب و مکانیزم آن لازم است عوامل مؤثر در فرسایش و رسوب گذاری، هم چنین مقدار مواد رسوبی حمل شده دقیقآً تعیین و محاسبه گردد. روش پژوهش از نوع توصیفی – تحلیلی بر مبنای بررسی منابع و به عنوان عامل مکمل MATLAB کتابخانه ای و بازدید های میدانی، روش تجربی با استفاده از نرم افزار می باشد. در پژوهش حاضر از روش شبکه ی عصبی مصنوعی که روش مؤثر برای تعیین روابط پیچیده غیر خطی بین عوامل می باشد، مورد استفاده قرار گرفته است. مدل شبکه عصبی طراحی شده در این پژوهش، از نوع شبکه چند لایه پس انتشار برگشتی انتخاب گردیدکه به منظور آموزش شبکه از الگوریتم لونبرگ – مارکورات استفاده گردید. این پژوهش با هدف برآورد رسوب حوضه کر- چمریز با استفاده از شبکه ی عصبی مصنوعی در دورهآماری۲۰۱۱-۱۹۹۱ انجام گرفته است. با توجه به آموزش بلند مدت۱۵ سال برای آموزش و ۵ سال برای برآورد شبکه به گونه ای طراحی گردید که با ورود عناصر میانگین ماهانه رسوب، دبی و بارش در یک سال حداکثر برآورد برای ماه آینده برآورد گردید