پیشبینی باررسوبی معلق با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل ترکیبی تجزیه مد تجربی – (EMD) شبکه عصبی مصنوعی (ANN)

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

 پیشبینی باررسوبی معلق با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل ترکیبی تجزیه مد تجربی – (EMD) شبکه عصبی مصنوعی (ANN) دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیشبینی باررسوبی معلق با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل ترکیبی تجزیه مد تجربی – (EMD) شبکه عصبی مصنوعی (ANN)  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 پیشبینی باررسوبی معلق با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل ترکیبی تجزیه مد تجربی – (EMD) شبکه عصبی مصنوعی (ANN)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیشبینی باررسوبی معلق با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل ترکیبی تجزیه مد تجربی – (EMD) شبکه عصبی مصنوعی (ANN) :

تعداد صفحات :۱۷

چکیده مقاله:

ارایه راهکاری مناسب جهت تعیین دقیق بار معلق رودخانه ها در پروژه های آبی از اهمیت خاصی برخوردار میباشد. امروزه استفاده از سیستم های هوش مصنوعی به عنوان ابزاری جدید جهت برآورد دقیق رسوبات معلق رودخانه ها مورداستفاده قرار می گیرد. در تحقیق حاضر روش شبکه عصبی MLP و EMD-MLP به منظور پیشبینی بار رسوبی معلق در ایستگاه رود آبیاکا مورداستفاده قرار گرفت. بدین منظور از یک دوره آماری ۱۱ ساله ۱۹۹۲) تا (۲۰۰۲ که ۸ سال آن ۱۹۹۲) تا (۲۰۰۰ جهت آموزش و ۳ سال ۲۰۰۰) تا (۲۰۰۲ جهت آزمون مدل های مختلف مورداستفاده قرار گرفت. ترکیب مختلفی از داده های ورودی و تاخیرهای زمانی متفاوت در این تحقیق مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل ترکیبی EMD-MLP دقت بالاتری را در مدلسازی نسبت به مدل MLP دارا می باشد. همچنین نتایج به دست آمده بیانگر کاهش دقت مدلسازی در استفاده از تاخیرهای زمانی سالانه در هر دو مدل مورداستفاده می باشد.