بررسی کارایی شبکه عصبی مصنوعی در برآورد رسوبات معلق(مطالعه موردی:حوزه آبخیز صنوبر تربت حیدریه)


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
1 بازدید
۷۹,۷۰۰ تومان
خرید

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

 بررسی کارایی شبکه عصبی مصنوعی در برآورد رسوبات معلق(مطالعه موردی:حوزه آبخیز صنوبر تربت حیدریه) دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بررسی کارایی شبکه عصبی مصنوعی در برآورد رسوبات معلق(مطالعه موردی:حوزه آبخیز صنوبر تربت حیدریه)  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 بررسی کارایی شبکه عصبی مصنوعی در برآورد رسوبات معلق(مطالعه موردی:حوزه آبخیز صنوبر تربت حیدریه)،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن بررسی کارایی شبکه عصبی مصنوعی در برآورد رسوبات معلق(مطالعه موردی:حوزه آبخیز صنوبر تربت حیدریه) :

تعداد صفحات :۱۰

چکیده مقاله:

همواره ‏از دبی جریان به عنوان مهم ترین عامل انتقال رسوب یاد می شود. با توجه به پیچیدگی فرایند تولید وحمل رسوب و عدم امکان تعیین دقیق معادلات حاکم بر آن همچنین به دلیل وجود پارامترهای مختلف و تاثیر تغییرات مکانی و زمانی شرایط هیدرولوژیکی حوزه ‏آبریز، محققان جهت برآورد دبی رسوب به استفاده ‏از مدل های جعبه سیاه ‏، نظیر شبکه های عصبی مصنوعی(ANN)، روی آورده اند.در این بررسی از داده های همزمان دبی آب و دبی رسوب ایستگاه ‏آب سنجی صنوبر شهرستان تربت حیدریه در بازه زمانی ۱۳۵۰-۱۳۸۸جهت مدل سازی رسوب معلق روزانه استفاده ‏شده ‏است. اجزای شبکه عصبی مصنوعی در محیط نرم افزار نروسلوشن ۵ ‏۲ انجام شد. بر این اساس ساختارهای متفاوتی از شبکه عصبی مصنوعی (مدل پرسپترون چندلایه) با آرایش های دولایه و تعداد نرون های متفاوت در هر لایه میانی برای مقادیر مختلف دبی رسوب اراثه شد. به این منظور بعد ار رفع نواقص آماری حذف داده های پرت توسط نرم افزار Spss ، ر۶۰درصد داده ها جهت آمورش و ۱۵ ‏ درصد داده ها جهت قابلیت ارزش دهی و ۲۵ ‏درصد برای مرحله اعتبار سنجی وارد نرم افزار گردید. در این پیش بینی مقدار R2 ‏برابر با۰/۹۹ ‏و RMSE برابر با ۰/۰۱۴است که نشان ار توانایی بالای شبکه عصبی مصنوعی در پیش بینی و مدل سازی رسوب دارد.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.