دانش رسان |
مرکز علم و دانش کشور مقاله بررسی تأثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه‌بندی خطر وقوع زمین‌لغزش (بررسی موردی: حوزه آبخیز هراز)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله بررسی تأثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه‌بندی خطر وقوع زمین‌لغزش (بررسی موردی: حوزه آبخیز هراز) دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله بررسی تأثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه‌بندی خطر وقوع زمین‌لغزش (بررسی موردی: حوزه آبخیز هراز) 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 مقاله بررسی تأثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه‌بندی خطر وقوع زمین‌لغزش (بررسی موردی: حوزه آبخیز هراز)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله بررسی تأثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه‌بندی خطر وقوع زمین‌لغزش (بررسی موردی: حوزه آبخیز هراز) :
تعداد صفحات :۲۲
بیش از ۳۰ درصد از مساحت کشور ایران را مناطق کوهستانی تشکیل می‌دهد، لذا هر ساله حرکات توده ایموجب خسارت به انواع سازه‌های مهندسی، مناطق مسکونی و جنگل‌ها در پی آن ایجاد رسوب و سیلاب‌های گل‌آلودگی رودخانه‌ها می‌شود. لذا برای جلوگیری از این خسارت‌ها و تعیین حساسیت دامنه‌ها، به پهنه‌بندی خطر زمین‌لغزش در مناطق مختلف می‌پردازند. هدف از انجام این پژوهش، تعیین ساختار بهینه شبکه عصبی مصنوعی با تعداد عوامل ورودی مختلف برای پهنه‌بندی خطر وقوع زمین‌لغزش در بخشی از حوزه آبخیز هراز می‌باشد. برای انجام این پژوهش ابتدا تعداد تکرار بهینه برای جلوگیری از آموزش بیش از حد شبکه با روش سعی و خطا تعیین شد. سپس تعداد نرون در لایه پنهان ۱۴ نرون تعیین شد. در نهایت تعداد نرون در لایه ورودی از ۱ تا ۹ تغییر داده شد. با توجه به نتایج به‌دست آمده مشخص شد که هر چه تعداد نرون در لایه ورودی افزایش یابد کارایی شبکه برای پهنه‌بندی حساسیت زمین‌لغزش بهتر می‌شود. در این پژوهش ساختار ۹ نرون در لایه ورودی، ۱۴ نرون در لایه پنهان و ۱ نرون در لایه خروجی با نسبت یادگیری ۲/۰ به‌عنوان ساختار بهینه انتخاب شد که ریشه میانگین مربعات خطا و ضریب تبیین به‌ترتیب برابر ۰۵۱/۰ و ۹۶۲۳/۰ بود. نقشه پهنه‌بندی تهیه شده با این ساختار دارای دقت ۳۰۷/۹۲ درصد بود. نتایج دیگر پژوهش نشان داد که از کل مساحت منطقه مورد مطالعه، ۱۴/۳۵، ۷۳/۲۶، ۵۹/۱۴، ۸۸/۹ و ۶۳/۱۳ درصد، به‌ترتیب در طبقه پایدار، کم خطر، خطر متوسط، خطر زیاد و خطر خیلی زیاد قرار گرفته است
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
