مقایسه کارایی روش های نروفازی، شبکه عصبی مصنوعی و مدل های آماری در تخمین رسوب معلق رودخانه ها (مطالعه موردی: بالادست حوضه طالقان)

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

 مقایسه کارایی روش های نروفازی، شبکه عصبی مصنوعی و مدل های آماری در تخمین رسوب معلق رودخانه ها (مطالعه موردی: بالادست حوضه طالقان) دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه کارایی روش های نروفازی، شبکه عصبی مصنوعی و مدل های آماری در تخمین رسوب معلق رودخانه ها (مطالعه موردی: بالادست حوضه 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 مقایسه کارایی روش های نروفازی، شبکه عصبی مصنوعی و مدل های آماری در تخمین رسوب معلق رودخانه ها (مطالعه موردی: بالادست حوضه طالقان)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه کارایی روش های نروفازی، شبکه عصبی مصنوعی و مدل های آماری در تخمین رسوب معلق رودخانه ها (مطالعه موردی: بالادست حوضه طالقان) :

سال انتشار : ۱۳۹۵

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

تعداد صفحات :۱۸

برآورد دقیق میزان رسوب معلق رودخانه ها از مسائلی مهم در طراحی مخازن، آلودگی دریاچه ها، طراحی کانال ها و لایروبی آنها بعد از سیلاب ها، تعیین خسارت های ناشی از رسوبگذاری و تعیین تاثیرات مدیریت آبخیز است. روش های متعددی به منظور برآورد بار معلق رودخانه ها وجود دارد. یکی از این روش ها، که در حل مسائل مختلف هیدرولوژی رسوب و پیش بینی آن کاربرد زیادی دارد، روش های نوروفازی و شبکه های عصبی مصنوعی است. در این مطالعه ارتباط رسوب و دبی لحظه ای متناظرش به طور موفقیت آمیزی با استفاده از این روش ها مدل سازی و مورد اعتبارسنجی قرار گرفت. هدف از این تحقیق، کارایی روش های نوروفازی و شبکه عصبی نسبت به مدل های آماری در برآورد رسوب معلق روزانه رودخانه طالقانرود حوزه آبخیز طالقان می باشد. نتایج نشان داد، برآوردهای ساختارANFIS ، با میانگین قدرمطلق خطای نسبی، ۱۰۰۶ تن در روز، ضریب همبستگی ۷۷درصد، میانگین مربعات خطا۲۶۲۱ تن در روز و ضریب ناش- ساتکلیف ۰.۵۱ نسبت به شبکه عصبی و همچنین برآوردهای شبکه عصبی در مقایسه با مدل های آماری از دقت بالاتری برخوردارند. بنابراین روش ادغام شبکه عصبی با قوانین فازی توانسته تغییرات بار رسوبی رودخانه را بر اساس دبی روزانه، بهتر از مدل های دیگر برآورد کند. دیگر مزیت این روش حساس نبودن به وجود تعداد معدودی خطا در داده های آماری است که همین امر باعث برآورد بهتر مدل شبکه عصبی در مقایسه با مدل آماری شده است. همچنین با بالا رفتن درصد داده های آموزش نسبت به داده های امتحان، روش نروفازی جواب مناسبتری می دهد.

کلید واژه: شبکه عصبی فازی، بار معلق رودخانه، شبکه عصبی، روش های آماری، طالقان