مشخصات مقاله عنوان نشریه: علوم آب و خاك (علوم و فنون كشاورزي و منابع طبيعي) : تابستان 1386 , دوره 11 , شماره 40 (الف) ; از صفحه 27 تا صفحه 37 . عنوان مقاله: بررسي كاربرد مدل هاي هوش محاسباتي در شبيه سازي و پيش بيني بهنگام جريان هاي سيلابي نویسندگان: دستوراني محمدتقي* آدرس: * دانشكده منابع طبيعي، دانشگاه يزد چکیده: در اين تحقيق توانايي مدل هاي شبكه عصبي مصنوعي جهت شبيه سازي رفتار هيدرولوژيكي آب در حوزه هاي آبخيز مورد بررسي قرار گرفته است. هدف اصلي تحقيق بررسي كاربرد انواع مختلف شبكه هاي عصلي مصنوعي جهت شبيه سازي جريان در يك حوزه آبخيز با چند ايستگاه هيدرومتري و پيش بيني بهنگام جريان هاي سيلابي در پايين دست بوده است. منطقه مورد بررسي قسمت فوقاني رودخانه درونت (Derwent) مي باشد كه يكي از شاخه هاي اصلي رودخانه ترنت (Trent river) در ناحيه مركزي انگلستان است. جريان سيلاب رودخانه 3، 6، 9 و 12 ساعت قبل از وقوع در محل ايستگاه هيدرومتري واتستندول (Whatstandwell) با استفاده از داده هاي اندازه گيري شده در بالا دست پيش بيني گرديده است. سه نوع شبكه عصبي مختلف كه عبارت از شبكه پرسپترون چندلايه (MLP network)، شبكه برگشتي (Recurrent network) و شبكه برگشتي با تاخير زماني (Time recurrent network) به صورت جداگانه مورد استفاده و ارزيابي قرار گرفتند. هم چنين جهت بررسي تاثير طول داده هاي ورودي در كارايي مدل هاي شبكه عصبي، شبيه سازي هاي مختلف با استفاده از داده هاي هيدرولوژيكي با طول و تعداد متفاوت مورد استفاده قرار گرفت. داده هاي با فاصله اندازه گيري 30 دقيقه اي با طول دوره هاي 1 ماه، 6 ماه و سه سال (كه توليد تعداد مشاهده هاي متفاوتي را مي نمايد) بدين منظور مورد استفاده واقع شد. براساس نتايج به دست آمده هر چند شبكه هاي عصبي مصنوعي به صورت عمومي و كلي كارايي مناسبي را در شبيه سازي و پيش بيني دبي جريان از خود نشان داده اند ولي نوع شبكه عصبي مصنوعي و نيز خصوصيات داده هاي ورودي مدل خصوصا داده هاي آموزشي پارامترهاي بسيار مهمي هستند كه تاثير عمده اي را روي خروجي مدل دارند. كلید واژه: پيش بيني سيلاب(Q2)شبكه عصبي مصنوعي(Q2)پيش بيني بهنگام سيل(Q3)مدلسازي سيلاب(Q3)پيش بيني جريان رودخانه(Q3) چارک 1 این موضوع در حوزۀ علمی خود، در چارک اول تازگی است. یعنی استقبال پژوهشگران از این موضوع خیلی زیاد است. چارک 2 این موضوع در حوزۀ علمی خود، در چارک دوم تازگی است. یعنی استقبال پژوهشگران از این موضوع زیاد است. چارک 3 این موضوع در حوزۀ علمی خود، در چارک سوم تازگی است. یعنی استقبال پژوهشگران از این موضوع کم است. چارک 4 این موضوع در حوزۀ علمی خود، در چارک چهارم تازگی است. یعنی استقبال پژوهشگران از این موضوع خیلی کم است. موضوعات مرتبط: ARIMAشبکه های عصبیشبکه عصبیشبکه های عصبی مصنوعی ارجاعات: ندارد مقالات نشریه ای مرتبط: پيش بيني جريان رودخانه ها با استفاده از شبكه هاي عصبي مصنوعيپيش بيني جريان رودخانه با استفاده از مدل شبكه عصبي مصنوعيمقايسه مدل هاي كلاسيك و شبكه هاي عصبي مصنوعي در پيش بيني جريان رودخانهشبكه هاي عصبي مصنوعيشبيه سازي و پيش بيني دبي جريان با استفاده از شبكه هاي عصبي مصنوعي مقالات همایشی مرتبط: پيش بيني بارش ماهانه در ايستگاه سينوپتيك سقز با استفاده از شبكه عصبي مصنوعيپيش بيني ارتفاع امواج درياي خزر با استفاده از شبكه مصنوعي عصبيبررسي اهميت و كاربرد شبكه هاي عصبي مصنوعي در مطالعات مهندسي نفتكاربرد شبكه هاي عصبي در پيش بيني گير لوله هاي حفاري در ميدان كيشپيش بيني احتمال وقوع خشکسالي و ترسالي در رودخانه ها با استفاده از شبکه عصبي مصنوعي ویدئوهای مرتبط از مکتبخونه چکیده انگلیسی بازدید یکساله 299 آخرین های بلاگ با کد رایگان QR میزان استفاده از ارائه خود را افزایش دهیدمحققان پر استناد ایران در سال 2019موضوعات جدید علمی را استخراج کنیدبا سرویس رایگان موضوعات مرتبط در ساینس دایرکت آشنا شویمبا پابلونز: مقالات علمی خود را به صورت رایگان از وب آو ساینس رصد کنیمچگونه استنادات خود را افزایش دهیم؟ ورود به بلاگ مرکز اطلاعات علمی