دانش رسان |
مرکز علم و دانش کشور مقاله مقایسه کارآیی مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون برای پیشبینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله مقایسه کارآیی مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون برای پیشبینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله مقایسه کارآیی مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون برای پیشبینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان 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 مقاله مقایسه کارآیی مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون برای پیشبینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله مقایسه کارآیی مدل‌های شبکه‌های عصبی مصنوعی و رگرسیون برای پیشبینی بار رسوب جریان مطالعه موردی حوضه آبخیز سمندگان :
تعداد صفحات :۲۴
یک سیستم رودخانهای یک سیستم بازاست که از درگیر شدن ارتباطات مختلف و پیچیده شکل می‌گیرد. خصوصیات ذاتی حوضه‌ها از یک سو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر می‌سازد.وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان ورسوب حمل شده وتاثیر عوامل ژئومورفولوژی حوضه و مدل سازی آن از اهمیت ویژه ای برخوردار است.در این مطالعه دونوع شبکه عصبی مصنوعی ژئومورفولوژیکی و غیر ژئومورفولوژیکی برای پیش بینی بار رسوب جریان رودخانه سمندگان طراحی گردید و نتایج آن با دو نوع مدل رگرسیونی ژئومورفولوژیکی و غیر ژئومورفولوژیکی مورد مقایسه قرار گرفت. نتایج طراحی شبکه‌های عصبی مبین کارآیی خوب شبکه‌های چند لایه ی پرسپترون با الگوریتم یادگیری پس انتشار خطا است. نتایج نشان داد که شبکه عصبی ژئومورفولوژیکی با ضریب تبیین ۸۶۲/۰ و مجذور میانگین مربعات خطای ۸۱۵/۱ در مقایسه شبکه عصبی غیر ژئومورفولوژیکی با ضریب تبیین ۸۲۷/۰و معیار خطای۰۳۱/۲ میزان رسوب جریان را بهتر پیشبینی می‌کند. نتایج ارزیابی مدل‌های رگرسیونی مبین عملکرد ضعیفتر آن‌ها در مقایسه با روش شبکه عصبی مصنوعی است به طوری که ضریب تبیین مدل رگرسیونی ساده غیر ژئومورفولوژیکی ۷۵۹/۰و معیار خطای ۳۹۵/۲ و ضریب تبیین مدل رگرسیونی ژئومورفولوژیکی برابر ۸۱۱/۰ با معیار خطای معادل ۱۴۲/۲ است. همچنین از مقایسه نتایج مدل‌های مختلف چنین استنباط می‌شود زمانی که پارامترهای ژئومورفولوژیکی نظیر شاخص ناهمواری، شاخص گردی و شاخص تراکم زهکشی در مدل سازی وارد شوند نتایج ارزیابی آن‌ها مناسبتر می‌شود.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
