مقایسه مدلسازی بار رسوب کل رودخانه ها با استفاده از برنامه نویسی ژنتیک و شبکه عصبی مصنوعی

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

 مقایسه مدلسازی بار رسوب کل رودخانه ها با استفاده از برنامه نویسی ژنتیک و شبکه عصبی مصنوعی دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه مدلسازی بار رسوب کل رودخانه ها با استفاده از برنامه نویسی ژنتیک و شبکه عصبی مصنوعی  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 مقایسه مدلسازی بار رسوب کل رودخانه ها با استفاده از برنامه نویسی ژنتیک و شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه مدلسازی بار رسوب کل رودخانه ها با استفاده از برنامه نویسی ژنتیک و شبکه عصبی مصنوعی :

تعداد صفحات :۱۳

چکیده مقاله:

برآورد بار رسوب کل رودخانه ها یکی از مسائل مهم و کاربردی در مدیریت و برنامه ریزی منابع آب است. لیکن ماهیت چندبعدی و وابستگی غیرخطی متغیرها با یکدیگر مسئله ای چالش برانگیز در مدلسازی انتقال بار رسوب رودخانه است. بار رسوب می تواند به کمک روابط مختلف محاسبه شود. هدف از این پژوهش مقایسه دو روش شبکه های عصبی مصنوعی ( ANN )و برنامه نویسیس ژنتیک در تخمین بار رسوب کل بود. بدین منظور از دو نوع شبکه عصبی پرسپترون چند لایه ( MLP )و توابع پایه شعاعی ( RBF) در روش شبکه های عصبی مصنوعی استفاده شد. به همین منظور از ۲۰۰ نمونه، استفاده شد. ۷۵ درصد از داده هابرای آموزش و ۲۵ درصد برای آزمون شبکه ها در نظر گرفته شدند. متغیرهای سرعت جریان، عرض کانال، عمق جریان، شیب خط انرژی و قطر میانه اندازه ذرات به عنوان ورودی مدل و غلظت رسوب کل به عنوان خروجی مدل در نظر گرفته شدند. نتایج نشانداد که شبکه های عصبی بهویژه مدل MLP 2 با ضریب همبستگی ۰/۹۶و RMSE0/87 ، در مقایسه با مدل طراحی شده الگوریتم ژنتیک با ضریب تبیین ۰/۹۰ وRMSE ، برابر با ۰/۴۲غلظت رسوب کل را با دقت مطلوب تری برآورد می نماید.