استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک به منظور مدلسازی بارش رواناب ایستگاه علی آباد خفر و قیاس نتایج

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

 استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک به منظور مدلسازی بارش رواناب ایستگاه علی آباد خفر و قیاس نتایج دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک به منظور مدلسازی بارش رواناب ایستگاه علی آباد خفر و قیاس نتایج  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 استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک به منظور مدلسازی بارش رواناب ایستگاه علی آباد خفر و قیاس نتایج،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک به منظور مدلسازی بارش رواناب ایستگاه علی آباد خفر و قیاس نتایج :

تعداد صفحات :۱۴

چکیده مقاله:

در این تحقیق سعی شده است که یک مدل شبکه عصبی مصنوعی و یک الگوریتم ژنتیک بهینه جهت شبیه سازی مقدار دبی متوسطهفتگی ایستگاه علی آباد خفر با استفاده از ترکیب مناسبی از متغیرهای در دسترس که شامل میزان بارش هفت دهی گذشته سه ایستگاهخانزنیان، امیرآباد و دودو و همچنین میزان دبی متوسط هفتگی هفته قبل ایستگاه بند بهمن و علی آباد و دبی دو هفته قبل ایستگاه علیآباد طراحی و الگوریتم مناسبی برای آموزش آن ارایه شود. در این تحقیق در ابتدا تاثیر الگوریتم های آموزشی پس انتشار و نیز الگوریتمژنتیک بر کارایی شبکه ی عصبی مصنوعی بررسی، نتایج و میزان دقت مربوط به مدلسازی با هر کدام از این الگوریتم ها با یکدیگرمقایسه و الگوریتم آموزشی مناسب (که عملکرد آماری بهتر از خود نشان داده است) تعیین گردیده شده است. نتایج بیانگر این مطلبهستند که شبکه ی عصبی که با الگوریتم پس انتشار آموزش دیده است، دارای توانایی و دقت بسیار بیشتری نسبت به آموزش با الگوریتمژنتیک می باشد. دبی هفته گذشته ایستگاه علی آباد، دبی دو هفته گذشته این ایستگاه، همراه با دبی هفته قبل ایستگاه بند بهمن بهعنوان متغییرهای مستقل در طراحی شبکه ی عصبی مصنوعی در نظر گرفته شده اند، و این باعث شده است که عملکرد مدل، تطابقبیشتری با داده های واقعی داشته باشد. شبکه ی عصبی مصنوعی آموزش دیده با الگوریتم پس انتشار توسط متغیرهای مستقل، قدر مطلقاختلاف نسبی متوسط ۰/۰۳ و ضریب همبستگی مربوط به برازش نزدیک به یک را، در پیش بینی تمامی داده های دبی جاری ایستگاه علی آباد از خود نشان داده است. از آنجاییکه این مدل، بهترین عملکرد را در بین تمامی مدل های بررسی شده از خود نشان داده است، بهعنوان بهترین مدل معرفی شده است.