مقاله تحلیل منطقهای دبی حد آستانه خشکسالی با استفاده ازشبکه عصبی مصنوعی در حوزه آبخیز دریاچه نمک

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

  مقاله تحلیل منطقهای دبی حد آستانه خشکسالی با استفاده ازشبکه عصبی مصنوعی در حوزه آبخیز دریاچه نمک دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تحلیل منطقهای دبی حد آستانه خشکسالی با استفاده ازشبکه عصبی مصنوعی در حوزه آبخیز دریاچه نمک  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 منطقهای دبی حد آستانه خشکسالی با استفاده ازشبکه عصبی مصنوعی در حوزه آبخیز دریاچه نمک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تحلیل منطقهای دبی حد آستانه خشکسالی با استفاده ازشبکه عصبی مصنوعی در حوزه آبخیز دریاچه نمک :

تعداد صفحات:۱۲
چکیده:
هدف از این تحقیق، ارائه مدلی با استفاده از شبکهی عصبی مصنوعی است که روابط بین دبی حد آستانه خشکسالی وعوامل بهوجود آورندهی آنها را بیان کند و با استفاده از این مدلها، دبی حد آستانه خشکسالی را در حوزههای بدون آمار را برآورد نمود. برای این منظور ۳۳ حوزه آبخیز در محدوده دریاچه دریاچه نمک کهآمار آبسنجی مناسبی داشتهاند انتخاب گردیدند، دبی حد آستانه خشکسالی به عنوان متغیرهای وابسته و متغیرهای فیزیوگرافی، هواشناسی و زمینشناسی به عنوانمتغیرهای مستقل در نظر گرفته شدند. با استفاده از تحلیل عاملی شش عامل مساحت، ارتفاع متوسط، طول آبراهه اصلی، تراکم زهکشی، درصد سازندهای نفوذپذیر ودرصد اراضی مرتعی انتخاب و در مرحله بعد با استفاده از شبکه عصبی پرسپترون چند لایه با تابع یادگیری لونبرگ مارکوت و با توابع انتقال سیگموئید و تانژانت هیپربولیک در لایه پنهان و تابع انتقال خطی در لایه خروجی به تحلیل منطقهای دبی حد آستانه خشکسالی پرداخته شد. نتایج نشان داد که شبکه عصبی مصنوعی با تابع انتقال سیگموئید در مرحله آزمون باضریب تبیین۰/۷۷ریشه میانگین مربعات خطا ۰/۲۱و ضریب کارایی ۰/۹۳نسبت به تابع انتقال تانژانت هیپربولیک باضریب تبیین ۰/۴۷ریشه میانگین مربعات خطا ۱/۴۲و ضریب کارایی ۰/۳۷توانسته است با دقت بالایی دبی حد آستانه خشکسالی را پیش بینی کند که این موضوع عملکردخوب شبکه عصبی را در پیش بینی متغیرهای هیدرولوژیکی می رساند