مدل¬سازی رواناب زیرحوضه دریاچه مهارلو با استفاده از شبکه¬های عصبی مصنوعی آموزش یافته با الگوریتم PSO و مقایسه نتایج با الگوریتم¬های مشابه

چکیده مقاله

مطالعه فرآیند بارش – رواناب جزء موارد لاینفک در مطالعات منابع آب می­باشد. از آنجایی که بین بارش و رواناب رابطه غیرخطی حاکم است و خصوصیات فیزیوگرافی و اقلیمی نیز بر روی این روابط بسیار تأثیرگذار می­باشد لذا عملاً پیش­بینی رواناب مسأله پیچیده­ای می­باشد. شبکه­های عصبی یکی از روش‌هایی است که مورد اقبال اکثر دانشمندان علوم مختلف از جمله مهندسی آب قرار گرفته و سال­ها از ورود آن به عرصه علوم آب می‌گذرد اما کماکان این روش بدون تغییر در ساختار و نحوه آن مورد استفاده قرار می‌گیرند. در این بین با کشف الگوریتم‌های متعدد بهینه‌سازی مانند الگوریتم جامعه مورچگان، الگوریتم کلونی پرندگان و ... نیاز به بهبود روش­های قبلی به شدت مورد نیاز می­باشد. در این مطالعه با استفاده از روش‌‌های هیبرید شبکه­های عصبی مصنوعی با دو الگوریتم کلونی پرندگان و کلونی مورچگان به محاسبه دبی رودخانه خشک شیراز پرداخته شد. سپس نتایج حاصل از آن با روش نروفازی و روش کلاسیک رگرسیون چند متغیره مورد مقایسه قرار گرفت. نتایج این تحقیق نشان داد که افزایش تعداد متغیرهای ورودی باعث بهبود نتایج می‌شود و متغیر بارش نقش اساسی در تخمین رواناب ایفا می‌کند. همچنین نتایج نشان داد که در ساختارهای دو متغیره، بارش و تبخیر بهترین متغیرهای هیدرولوژیکی به منظور مدلسازی برای پیش­بینی رواناب می­باشند. بر طبق شبیه سازی به روش‌های مختلف، مشاهده شد که روش بهینه سازی با PSO، ANFIS، رگرسیون و بهینه سازی با ACO به ترتیب بهترین نتایج را در مقایسه با داده­های مشاهداتی تولید کردند.

نحوه استناد به مقاله

در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :

؛؛؛ ۱۳۹۵، مدل¬سازی رواناب زیرحوضه دریاچه مهارلو با استفاده از شبکه¬های عصبی مصنوعی آموزش یافته با الگوریتم PSO و مقایسه نتایج با الگوریتم¬های مشابه، کنفرانس ملی پژوهش های کاربردی درعمران،معماری و شهرسازی، https://scholar.conference.ac:443/index.php/download/file/12945-Modeling-the-runoff-of-the-sub-basin-of-Maharlo-Lake-using-artificial-neural-networks-trained-by-PSO-algorithm-and-comparing-results-with-similar-algorithms

در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.

(؛؛؛ ۱۳۹۵)

دریافت لینک دانلود مقاله

پژوهشگر عزیز، برای دانلود مقاله تنها کافی است فرم زیر را تکمیل نموده و بر روی دکمه دریافت لینک دانلود مقاله کلیک نمایید. در صورت عدم دریافت لینک دانلود مقاله در ایمیل خود (و پوشه spam) پس از 10 دقیقه، درخواست خود را مجدد ارسال نمایید.

نام و نام خانوادگی
شماره موبایل
ایمیل