پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,694 |
| تعداد مقالات | 72,249 |
| تعداد مشاهده مقاله | 129,261,750 |
| تعداد دریافت فایل اصل مقاله | 102,102,617 |
تجزیه و تحلیل شبکه‌های عصبی مصنوعی ژئومورفولوژیکی در برآورد رواناب مستقیم (حوضة جاجرود، زیرحوضة امامه) | ||
| پژوهش های جغرافیای طبیعی | ||
| مقاله 3، دوره 41، شماره 68 - شماره پیاپی 314887، آذر 1388 اصل مقاله (343.58 K) | ||
| نویسندگان | ||
| علی نصیری؛ مجتبی یمانی | ||
| چکیده | ||
| برآورد و تعیین رواناب مستقیم رودخانه‌ها در عمل کار پیچیده‌ای است و تاکنون روش‌های متفاوتی برای محاسبه آن پیشنهاد شده است. یکی از روش‌های جدید در حل مسائل مهندسی آب و رودخانه‌ها و همچنین برآورد دبی رودها، استفاده از روش شبکه عصبی مصنوعی است که با الگوبرداری از شبکه عصبی مغز انسان، ضمن اجرای فرایند آموزش، روابط درونی بین داده‌ها را کشف می‌کند و آن را به موقعیت‌های دیگر تعمیم می‌دهد. هدف عمدة پژوهش حاضر نیز برآورد رواناب از طریق تجزیه و تحلیل روابط بارش ـ رواناب براساس داده‌های کمّی ژئومورفولوژی و با استفاده از تکنیک شبکه‌های عصبی مصنوعی ژئومورفولوژیکی (GANN) در حوضه امامه (از زیرحوضه‌های جاجرود) است. در مطالعة حاضر بر مبنای ساختمان ژئومورفولوژی شبکه هیدرولوژی حوضه مورد نظر، یک سامانة شبکه عصبی ژئومورفولوژیکی سه‌لایه با تعدادی نودهای میانی برابر تعداد مسیرها یا وضعیت‌های ژئومورفولوژیکی شبکه هیدرولوژی حوضه به‌منظور برآورد رواناب مستقیم ایجاد گردید. وزن‌های مربوط به اتصالات درون‌شبکه‌ای ساختمان آن مدل با استفاده از متغیرهای ژئومورفولوژی تعیین شد. نتایج به دست آمده از مدل شبکه‌ای مذکور با اطلاعات حاصل از مشاهدات مستقیم به‌منظور نشان دادن کارایی آن مقایسه شد. ارزیابی نتایج، حاکی از عملکرد بسیار خوب (97/0=2R) مدل شبکه ژئومورفولوژیکی در تعیین پاسخ‌های هیدرولوژیکی حوضة مورد مطالعه است. بدین‌وسیله، برتری مدل مذکور بر روش‌های رایج و معمول نشان داده می‌شود. | ||
| کلیدواژه‌ها | ||
| حوضه آبخیز جاجرود؛ زیرحوضه امامه.؛ شبکه‌های عصبی مصنوعی (ANN)؛ شبکه‌های عصبی مصنوعی ژئومورفولوژی (GANN) | ||
| عنوان مقاله [English] | ||
| The Analyses of Geomorphological Artificial Neural Network in Estimating of Runoff in Jajrood Sub Basin | ||
| نویسندگان [English] | ||
| a nasiri؛ m yamani | ||
| چکیده [English] | ||
| Estimation of pure runoff is a house virtually is complex and different methods of calculation have been proposed. Modern methods of solving problems in river engineering and water homes and assess the flow method is used, is that the artificial network pattern of human brain neural network training process, while implementation of the internal relationships between the data and discover for other situations will generalize. The main objective of this study to estimate the runoff through the analysis of relations rainfall-runoff by geomorphology and quantitative data and using geomorphologic artificial neural networks technique in Amameh sub basin in Jajrood basin. This study based on geomorphologic stracture and ed Hydrologic network, a geomorphologic system with three-layer neural network with the number of intermediate nodes or the number of paths situations hydrology network in order to estimate direct runoff was established. The weights of system input connections within the network structure model determined with using geomorphologic variables. Results from the above network model with information derived from direct observations to indicate the efficiency was compared. Assessment results, indicate a very good function (R2=0.97) geomorphologic network model to determine the response of hydrological basin is studied. Means, this model shows the preference of them than the other common procedure methods. | ||
| کلیدواژه‌ها [English] | ||
| Amameh sub basin, Artificial Neural Networks (ANN), Artificial Neural Networks Geomorphologic (GANN), Jajrood basin | ||
|
آمار تعداد مشاهده مقاله: 2,176 تعداد دریافت فایل اصل مقاله: 3,092 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب