برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان: 

پيش بيني احتمالاتي هيدرولوژيکي با استفاده از شبکه هاي عصبي آماري

نوع ارائه: مقاله
نویسنده: عراقي نژاد شهاب*
 
 *دانشکده مهندسي آب و خاک، پرديس کشاورزي و منابع طبيعي، دانشگاه تهران
 
عنوان همایش: كنفرانس مديريت منابع آب ايران
نوع همایش:  انجمن هاي علمي
حامی:  انجمن علوم و مهندسی منابع آب ایران
زمان:  1385دوره 2
 
 
چکیده: 

پيش بيني متغيرهاي هيدرولوژيکي يکي از مهم ترين چالش ها در برنامه ريزي و مديريت منابع آب است. استفاده از پيش بيني هاي احتمالاتي به ويژه در افق هاي زماني بلند مدت، نسبت به پيش بيني هاي قطعي از اولويت بيشتري برخوردار بوده و با واقعيت ها انطباق بيشتري دارد. شبکه هاي عصبي مصنوعي ابزار مناسبي براي پيش بيني سيستم هاي غير خطي نظير پيش بيني هاي هيدرولوژيکي مي باشند. هر چند ضعف بزرگ اغلب اين نوع شبکه ها، ارايه تخمين هاي قطعي و غير احتمالاتي است. در اين مقاله براي غلبه بر اين ضعف شبکه هاي عصبي متداول و به عنوان يک راه حل مناسب، يک شبکه عصبي آماري تدوين و ارايه ميشود. اين شبکه ترکيبي از شبکه هاي عصبي آماري و شبکه عصبي پرسپترون چند لايه مي باشد که از مزيت هر دوي اين شبکه ها براي انجام پيش بيني هاي احتمالاتي به ويژه در شرايط غير همگن بهره مي برد. عملکرد شبکه عصبي ترکيبي ارايه شده، شبکه عصبي RBF و مدل آماري K-NN در قالب پيش بيني حجم رواناب فصلي ورودي به سد زاينده رود مقايسه مي گردد. نتايج، نشان دهنده برتري شبکه عصبي ترکيبي ارايه شده در ارايه پيش بيني هاي بلند مدت بر اساس دو معيار دقت و اطمينان پذيري پيش بيني مي باشد.

 
کلید واژه: شبکه هاي عصبي مصنوعي آماري، پيش بيني هيدرولوژيکي، شبکه عصبي ترکيبي، پيش بيني هاي احتمالاتي
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 
 
بازدید یکساله 144   pdf-file
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی