پژوهش های کاربردی زراعی, دوره (88), شماره (127), سال (2010-12) , صفحات (17-26)

عنوان : ( اعتبار سنجی مدل شبکه عصبی رابطه بارندگی-رواناب در حوزه آبریز سد زاینده رود )

نویسندگان: مسعود نصری , رضا مدرس , محمدتقی دستورانی ,
فایل: Full Text

استناددهی: BibTeX | EndNote

چکیده

رابطه بارندگی- رواناب یکی از مهمترین و پیچیده ترین فرایند های هیدرولوژیکی است که درک آن اهمیت زیادی در هیدرولوژی و منابع آب دارد. مدل های فیزیکی و آماری زیادی به منظور بررسی این فرایند توسعه یافته اند که هر کدام برخی از جنبه های این رابطه را در بر می گیرند. استفاده از شبکه های عصبی به عنوان یک مدل جعبه سیاه نیز یکی از روش های بررسی این رابطه است. در این تحقیق رابطه بارندگی – رواناب حوزه پلاسخان در سر شاخه زایند رود مورد بررسی قرار گرفته و شبکه عصبی پرسپترون چند لایه به این منظور به کار گفته شد. به دلیل واریانس شدید مشاهدات، ابتدا سری های بارندگی روزانه 3 ایستگاه واقع در منطقه و سری روزانه دبی ایستگاه پلاسجان به سری نرمال تبدیل و با توجه به خود همبستگی و همبستگی عرضی بارندگی و رواناب 6 متغیر به عنوان ورودی به شبکه انتخاب شد. در پایان مشخص شد شبکه عصبی پرسپترون با 4 لایه مخفی اعتبار بیشتری نسبت به سایر شبکه ها دارد. این اعتبار سنجی با مقایسه آماری میانگین، انحراف معیار و تابع توزیع دبی مشاهداتی و شبیه سازی شده مورد آزمون قرار گرفت.

کلمات کلیدی

, رابطه بارندگی-رواناب, شبکه عصبی پرسپترون چند لایه, اعتبار سنجی, خود همبستگی, آزمون کلموگروف-اسمیرنوف
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1031635,
author = {مسعود نصری and رضا مدرس and دستورانی, محمدتقی},
title = {اعتبار سنجی مدل شبکه عصبی رابطه بارندگی-رواناب در حوزه آبریز سد زاینده رود},
journal = {پژوهش های کاربردی زراعی},
year = {2010},
volume = {88},
number = {127},
month = {December},
issn = { ۲۳۵۸-۴۰۵۸ },
pages = {17--26},
numpages = {9},
keywords = {رابطه بارندگی-رواناب، شبکه عصبی پرسپترون چند لایه، اعتبار سنجی، خود همبستگی، آزمون کلموگروف-اسمیرنوف},
}

[Download]

%0 Journal Article
%T اعتبار سنجی مدل شبکه عصبی رابطه بارندگی-رواناب در حوزه آبریز سد زاینده رود
%A مسعود نصری
%A رضا مدرس
%A دستورانی, محمدتقی
%J پژوهش های کاربردی زراعی
%@ ۲۳۵۸-۴۰۵۸
%D 2010

[Download]