ارزيابي كارايي شبكه هاي عصبي مصنوعي و شبكه هاي عصبي موجكي در برآورد بار رسوب معلق (مطالعه ي موردي :حوزه آبخيز رودان)

علوم و مهندسي آبخيزداري گرايش آبخيزداري شهري

3/1/2021 12:00:00 AM

فرسايش به عنوان يك عمل تشديد شونده باعث از دست رفتن بهرهوري خاك و حاصلخيري زمينهاي كشاورزي ميگردد. فرسايش در سازههاي عمراني مرتبط با آبرساني باعث ايجاد خسارت به اين سازهها و طرحها ميگردد. خسارات فرسايش تنها محدود به سازههاي عمراني مرتبط به كشاورزي نميگردد. بلكه ميتواند بسياري از طرحها مانند سواحل، بنادر، سازههاي آبرساني و غيره را نيز تحت تاثير قرار دهد. تخمين حجم رسوبگذاري فرسايش از اهميت بالايي برخوردار است. روشهاي مبتني بر يادگيري ماشين و دادهكاوي ميتوانند جهت تخمين فرآيند رسوبگذاري بكار روند. در اين پژوهش روشي بر اساس ابزارهاي يادگيري ماشين جهت تخمين رسوبگذاري ارائه گرديد. براي اين كار پس از اينكه دادههاي مرتبط با رسوبگذاري از ايستگاههاي ميناب و آبنما جمعآوري شد، پيشپردازش روي دادهها صورت گرفته و دادهها نرمال شدند. سپس دادههاي نرمال شده به صورت مجزا به مدلهاي تخمين زننده مبتني بر شبكه عصبي مصنوعي ارسال شدند. مدلهايي كه در اين پژوهش استفاده شدند عبارتند از؛ شبكههاي عصبي مصنوعي چندلايه و شبكه عصبي موجك. براي ارزيابي روش پيشنهادي از روش اعتبارسنجي چند تكهاي با تعداد تكهها برابر 5استفاده شد. دليل استفاده از اين روش اعتبارسنجي كم بودن تعداد نمونههاي در دسترس است. نتايج بر اساس معيارهاي ،R2همبستگي، ريشه ميانگين مربعات خطا و نرمال شده ريشه ميانگين مربعات خطا مورد بررسي و ارزيابي قرار گرفت. بررسيها نشان داد، ميزان رسوبگذاري (برد مورد انتظار) گسترهي وسيعي از 1الي 555هزار واحد را پوشش ميدهد براي دستيابي به نتايج بهتر نياز به دادههاي بيشتري است. هرچند مدلهاي مورد استفاده در روش پيشنهادي با تعداد دادههاي كمي كه در اختيار داشتند، كارايي خوبي ارائه دادند. در حالت كلي شبكه عصبي موجك كارايي بهتري نسبت به شبكه عصبي معمولي داشته است.

213269

دانشگاه اردکان

حيات زاده مهدي hayatzade mehdi , فتح زاده علي fathzade ali