شبیه سازی جریان رودخانه با استفاده از شبکه عصبی پرسپترون چند لایه

چکیده مقاله

با توجه به رشد روز افزون جمعیت جهانی و افزایش مصرف آب، کمبود آب شیرین قابل استحصال به معضلی جهانی تبدیل شده است، که با محدود بودن منابع آب، پیشبینی میزان این منابع در آینده اهمیت بسزایی یافته است . تاکنون تلاشهای بسیاری برای طراحی مدلهای پیشبینی صورت گرفته که از جمله این مدلها شبكه های عصبی مصنوعی می باشندکه قادرند، با پردازش داده های تجربی، دانش یا قانون نهفته در بطن داده ها را فراگیرند. بدین جهت انتظار میرود ابزاری مناسب برای یك مدل شبیه سازی شده باشند . در این تحقیق رودخانه ی شاهرود که از سرشاخه های سفیدرود است مورد بررسی قرار گرفته است که به وسیله ی سه الگوی ورودی داده های نرمال شده ی مراحل ما قبل، و در طی آرایش های نورونی مختلف بین سه لایه ی پنهان از شبكه عصبی MLP این امر صورت گرفت. با بهره گیری از قانون یادگیری پس انتشار خطا ) BPE ( برای آموزش این شبكه، بررسی ها نشان داد که بهترین ورودی برای دبی، چهار ستون ورودی ) و و و ( بوده که با آرایش دولایه ی پنهان و 6 نورون در هر لایه با 534.0 =RMSE =%2.18 ، و 53950 R= به عنوان دقیق ترین مدل در شبیه سازی دبی این رودخانه انتخاب شد

دریافت لینک دانلود مقاله