مقایسۀ توابع یادگیری شبکۀ عصبی در مدلسازی رواناب | ||
| مجله اکوهیدرولوژی | ||
| مقاله 14، دوره 3، شماره 4، 1395، صفحه 659-667 اصل مقاله (1.11 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2016.60374 | ||
| نویسندگان | ||
| محمد جواد زینلی1؛ سید رضا هاشمی* 2 | ||
| 1دانشجوی دکتری منابع آب، گروه علوم و مهندسی آب، دانشگاه بیرجند | ||
| 2استادیار گروه علوم و مهندسی آب، دانشگاه بیرجند | ||
| چکیده | ||
| پیشبینی دقیق جریان در رودخانهها یکی از ارکان مهم در مدیریت منابع آبهای سطحی بهویژه اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالیهاست. درحقیقت، حصول روشهای مناسب و دقیق در پیشبینی جریان رودخانهها را میتوان بهعنوان یکی از چالشهای مهم در فرایند مدیریت و مهندسی منابع آب دانست؛ اگرچه تحقیقات وسیعی در خصوص کاربرد روشهای متکی بر شبکههای عصبی مصنوعی دقت این روشها بر روشهای متداول آماری مانند روشهای اتورگسیو و میانگین متحرک ارائه شده است. در این تحقیقات برای یافتن بهترین ساختار برای شبکۀ عصبی تنها به تغییر تعداد لایههای پنهان و تعداد نورونها اکتفا میشود و بهدلیل پیچیدگی حاکم بر انتخاب و معماری شبکۀ مناسب، استفاده از آنها در عمل بهطور مناسب توسعه نیافته است. در این تحقیق تعداد 15 تابع یادگیری در شبکۀ عصبی بررسی شد و نتایج نشان داد در ساختار شبکه با یک لایۀ پنهان (ANN1) تابع یادگیری learnglv1، learnh و learnis بهترتیب با MSE برابر 000158/0، 000185/0 و 000188/0 و در مدل ساختار شبکه با دو لایۀ پنهان ANN2 توابع یادگیری learnh، learnsomb و learncon بهترتیب با MSE برابر 000154/0، 000173/0 و 000176/0، عملکرد مناسبتری نسبت به دیگر توابع یادگیری داشتهاند. از سوی دیگر در ده مرتبه اجرای دو مدل، دو تابع یادگیری learnsom و learngdm در مدل ANN1 و learnh و learnos در مدل ANN2، بیشترین تکرار را در بین بهترین توابع یادگیری، داشتهاند و بنابراین، هنگام استفاده از شبکۀ پسانتشار خطا (که تابع یادگیری آن learngdm است) بهتر است تعداد لایۀ پنهان بیشتر از یکی نباشد؛ زیرا در این صورت شانس رسیدن به جواب مناسب بیشتر خواهد بود، اما اگر بهدنبال زیادکردن عملکرد شبکه با افزایش تعداد لایۀ پنهان باشیم بهتر است با احتیاط از پیشفرض شبکه و بهطور مشخص از learngdm استفاده شود. . | ||
| کلیدواژهها | ||
| پیش بینی؛ توابع یادگیری؛ شبکۀ عصبی مصنوعی؛ معیار عملکرد | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,678 تعداد دریافت فایل اصل مقاله: 2,232 |
||