شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود)

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

 شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود) دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود)  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 شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود) :

تعداد صفحات :۱۰

چکیده مقاله:

با توجه به لزوم پیش بینی مناسب جریان در حوزه های آبخیز کشور، توسعه آزمون هایی که بتواند آبدهی جریان رودخانه را در مقیاس زمانی روزانه و در مکان دلخواه برآورد نماید ، از موارد ضروری است که به بهبود اطلاعات مورد نیاز برای اهداف مدیریتی مرتبط با منابع آب منجر می گردد . همچنین با وجود تنوع در مدلهای بارش – رواناب، انتخاب یک مدل مناسب برای حوزه از جهت بهره وری برنامه ریزی و مدیریت منابع آب مهم می باشد . از طرفی مدلهای شبکه عصبی مصنوعی بدلیل ساختار غیر خطی ، برای مدلسازی فرآیندهای پیچیده نظیر فرآیندهای هیدرولوژیک کاربرد دارند . در این تحقیق شبیه سازی دبی روزانه سقز چای از حوزه آبخیز زرینه رود انجام شد . داده های روزانه بارش، دما و آبدهی در فاصله سالهای ۱۳۷۳ تا ۱۳۸۶ که ۹ سال ابتدایی جهت آموزش شبکه و واسنجی مدل رگرسیونی و ۴ سال دیگر جهت تست شبکه و صحت سنجی مدل رگرسیونی مورد استفاده قرار گرفت . جهت ارزیابی توانایی مدلها در شبیه سازی دبی از معیار ضریب تعیین R2 و شاخص های خطا RMSE وMAE استفاده شد . مقایسه نتایج مدل شبیکه عصبی مصنوعی با R2=0/96 ، RMSE=2/80 و MAE=083 در دوره آخموزش و مدل رگرسیونی با R2=0/92، RMSE=4/12، MAE=1/30 در دوره واسنجی، نشان می دهد که استفاده از مدل شبیکه عصبی مصنوعی، موجب ۳۲% کاهش خطای RMSE و ۳۶% کاهش خطای MAE شده است . این مقادیر در تست شبکه R2=0/94 ، RMSE=3/05 و MAE=1/12 و در صحت سنجی مدل رگرسیونی R2=0/91 ، RMSE=3/73 و MAE=1/50 می باشد .