کاربرد شبکه عصبی مصنوعی در مدل سازی فرسایش و رسوب (مطالعه موردی: حوضه خیاوچای)


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

 کاربرد شبکه عصبی مصنوعی در مدل سازی فرسایش و رسوب (مطالعه موردی: حوضه خیاوچای) دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد کاربرد شبکه عصبی مصنوعی در مدل سازی فرسایش و رسوب (مطالعه موردی: حوضه خیاوچای)  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 کاربرد شبکه عصبی مصنوعی در مدل سازی فرسایش و رسوب (مطالعه موردی: حوضه خیاوچای)،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن کاربرد شبکه عصبی مصنوعی در مدل سازی فرسایش و رسوب (مطالعه موردی: حوضه خیاوچای) :

تعداد صفحات :۶

چکیده مقاله:

فرسایش و انتقال رسوب دو پدیده طبیعی است که هر ساله خسارات قابل ملاحظه ای را بر خاک های حاصل خیز وارد می کنند. مدلهای موجود برای برآورد فرسایش و انتقال رسوب بر اساس شرایط کشورهای مبدا خود طرح شده اند و در شرایط مختلف جغرافیایی عوامل موثر و تشدید کننده میزان فرسایش متفاوت است. بدیهی است که دقت پیش بینی میزان فرسایش و رسوب بستگی زیادی به روش های محاسباتی مورد استفاده و تعیین پارامترهای موثر بر میزان فرسایش و رسوب با توجه به شرایط حوضه مورد مطالعه دارد. از این رو در تحقیق حاضر از روش شبکه عصبی که روش موثر برای تعیین روابط پیچیده غیر خطی بین عوامل است مورد استفاده قرار گرفت. شبکه عصبی مصنوعی طراحی شده در این تحقیق، از نوع شبکه چند لایه پس انتشار برگشتی بودند که به منظور آموزش شبکه از الگوریتم لونبرگ – مارکوات استفاده گردید . این الگوریتم به دلیل دقت پیش بینی بالا (۹۴/۹۹ درصد) برای پیش بینی میزان فرسایش و رسوب خاک مناسب تشخیص داده شده است. به طور کلی، نمودارهای نقطه ای بدست آمده ضریب همبستگی مدل (۹۹.۹) در آموزش شبکه و ضریب همبستگی مدل (۹۹.۵۲) در در آموزش شبکه و ضریب همبستگی مدل گردید.

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