دانش رسان |
مرکز علم و دانش کشور مقاله تحلیل عدم قطعیت خروجی شبکه عصبی در شبیهسازی هدایت هیدرولیکی اشباع خاک
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله تحلیل عدم قطعیت خروجی شبکه عصبی در شبیهسازی هدایت هیدرولیکی اشباع خاک دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تحلیل عدم قطعیت خروجی شبکه عصبی در شبیهسازی هدایت هیدرولیکی اشباع خاک 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 تحلیل عدم قطعیت خروجی شبکه عصبی در شبیهسازی هدایت هیدرولیکی اشباع خاک،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تحلیل عدم قطعیت خروجی شبکه عصبی در شبیهسازی هدایت هیدرولیکی اشباع خاک :
تعداد صفحات :۱۷
هدایت هیدرولیکی اشباع خاک از مهمترین ویژگیهای فیزیکی خاک است که در مدیریت آبیاری مزارع، انتقال آلودگی و همچنین جریان آب در محیطهای غیراشباع نقش مهمی را دارا است. لیکن در بیشتر موارد به علت محدودیتهای عملی و یا هزینهای، اندازهگیری آن با دشواری همراه است. از این رو استفاده از مدلهای شبیهسازی داده محور مانند شبکه عصبی مصنوعی با صرف هزینه کم و کارایی بالا میتوانند جایگزین مناسبی برای این منظور باشد. از آنجا که انتخاب دورههای مختلف آموزش و آزمون به همراه توابع انتقال و آموزش متفاوت در این نوع مدلها به عنوان مهمترین منبع خطا میباشد، لذا عدم اطمینان و قطعیت لازم در مقادیر خروجی شبیهسازی شده مدل نیز از آن قابل نتیجهگیری میباشد. از این رو در این تحقیق بررسی منابع عدم قطعیت مذکور در شبیهسازی هدایت هیدرولیکی اشباع خاک مورد بررسی قرار گرفته است. در انجام این تحقیق، تعداد ۱۵۱ نمونه از خاکهای زراعی (اراضی اطراف شهرستان بجنورد) انتخاب و متغیرهای مؤثر چگالی ظاهری و واقعی خاک با کمک رگرسیون مرحلهای از بین دوازده متغیر مختلف اندازهگیری شده جهت برآورد هدایت هیدرولیکی اشباع به کار گرفته شد. نتایج تحلیل عدم قطعیت بهدست آمده از ۱۰۰۰ سری داده مختلف نمونهگیری شده (با کمک نمونه گیر مونت کارلو) جهت استفاده در دورههای آموزش و آزمون شبکه عصبی پرسپترون با دو لایه بررسی و ارزیابی گردید. علاوه بر این، عملکرد ترکیب توابع انتقال و آموزش مختلف شبکه عصبی در تمام ۱۰۰۰ سری داده نیز بهعنوان دومین منبع خطا ارزیابی شد. نسبت درصد قرارگیری مشاهدات در بازه اطمینان به پهنای بازه (معیار NUE) برای توابع انتقال لگاریتم سیگموئید (NUE=0.57) و خطی (NUE=0.59) نسبت به تابع تانژانت سیگموئید (NUE=0.25)، بالاتر و بهتر مشاهده گردید. همچنین از بین توابع مختلف آموزش تنها تابع کاهش گرادیان دارای زمان اجرای بالاتر و مقدار معیار NUE پایینتر به نسبت بقیه بوده و بنابراین بیشترین عدم قطعیت را در نتایج مقادیر هدایت هیدرولیکی خروجی شبیهسازی شده داشت.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
