پیش بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)

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

 پیش بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان) دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)  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 پیش بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان) :

نام کنفرانس، همایش یا نشریه : مرتع و آبخیزداری (منابع طبیعی ایران)

تعداد صفحات :۱۲

با توجه به کمبود ایستگاه های اندازه گیری در کشور، لزوم استفاده از مدل های تجربی برآورد دبی حداکثر لحظه ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش بینی دبی اوج در حوزه آبخیز طالقان استفاده گردید. با استفاده از آمار دبی های متوسط حداکثر روزانه و بارش های متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای هیدرولوژیک گته ده، مهران، علیزان، جوستان و گلینک (به ترتیب از قسمت سراب به سمت پایاب) استخراج و به عنوان ورودی وارد مدل شبکه عصبی شدند. نوع شبکه مورد استفاده شبکه عصبی پیشخور با یک لایه مخفی با الگوریتم پس انتشار بود که با استفاده از داده ها مذکور، مدل طی سه مرحله آموزش، اعتبارسنجی و آزمون شد. دبی های اوج مشاهده ای و پیش بینی شده در هر دو مدل بر اساس معیار ارزیابی RMSE و r مورد مقایسه قرار گرفت. نتایج نشان دهنده عملکرد بهتر شبکه عصبی نسبت به رگرسیون چندمتغیره غیرخطی است.

کلید واژه: شبکه عصبی، دبی اوج، طالقان، رگرسیون چندمتغیره غیرخطی، RMSE، مدل