اخبار و اعلانات

دانشگاه سیستان و بلوچستان

آمار

تعداد نشریات27
تعداد شماره‌ها558
تعداد مقالات5,776
تعداد مشاهده مقاله8,031,855
تعداد دریافت فایل اصل مقاله5,398,765
خورشیددوست, علی‌محمد, فیض‌اله‌پور, مهدی, صدرافشاری, سحر. (1394). ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(ANFIS) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با 2 نوع از مدل‌های شبکه‌ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه‌‌رود، حوضه جنوب‌شرقی دریاچه ارومیه. نشریه علمی دانشگاه سیستان و بلوچستان, 13(41), 185-200. doi: 10.22111/gdij.2015.2235
علی‌محمد خورشیددوست; مهدی فیض‌اله‌پور; سحر صدرافشاری. "ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(ANFIS) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با 2 نوع از مدل‌های شبکه‌ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه‌‌رود، حوضه جنوب‌شرقی دریاچه ارومیه". نشریه علمی دانشگاه سیستان و بلوچستان, 13, 41, 1394, 185-200. doi: 10.22111/gdij.2015.2235
خورشیددوست, علی‌محمد, فیض‌اله‌پور, مهدی, صدرافشاری, سحر. (1394). 'ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(ANFIS) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با 2 نوع از مدل‌های شبکه‌ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه‌‌رود، حوضه جنوب‌شرقی دریاچه ارومیه', نشریه علمی دانشگاه سیستان و بلوچستان, 13(41), pp. 185-200. doi: 10.22111/gdij.2015.2235
خورشیددوست, علی‌محمد, فیض‌اله‌پور, مهدی, صدرافشاری, سحر. ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(ANFIS) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با 2 نوع از مدل‌های شبکه‌ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه‌‌رود، حوضه جنوب‌شرقی دریاچه ارومیه. نشریه علمی دانشگاه سیستان و بلوچستان, 1394; 13(41): 185-200. doi: 10.22111/gdij.2015.2235

ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(ANFIS) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با 2 نوع از مدل‌های شبکه‌ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه‌‌رود، حوضه جنوب‌شرقی دریاچه ارومیه

فصلنامه جغرافیا و توسعه
مقاله 14، دوره 13، شماره 41، دی 1394، صفحه 185-200  XML اصل مقاله (1.02 MB)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22111/gdij.2015.2235
نویسندگان
علی‌محمد خورشیددوست؛ مهدی فیض‌اله‌پور* ؛ سحر صدرافشاری
چکیده
حوضه‌های جنوب شرقی دریاچه ارومیه به علت برخورداری از شرایط هیدرولوژیکی و لیتولوژیکی خواص، از میزان بالای تولید رسوب برخوردارند. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از سیستم استنتاجی فازی عصبی([1]ANFIS) بهره گرفته شده است. به این منظور داده‌های دبی روزانه و بار معلق رسوبی365 روز سال 1386 و 1387 ایستگاه رسوبی واقع در رودخانه زرینه رود برای تعلیم و آزمودن مدل‌های شبکه عصبی مصنوعی مورد استفاده قرار گرفته است. در کنار این مدل از مدل‌های پرسپترون چندلایه([2]MLP)، شبکه عصبی تابع پایه شعاعی([3]RBF)و منحنی سنجه رسوبی ([4]SRC) نیز بهره گرفته شد. سپس نتایج مدل ANFISبا مدل‌های فوق مقایسه گردید. برای تعیین کارایی مدل‌ها از فاکتور مجذور میانگین مربعات خطا (RMSE)و خطای تبیین (R2)استفاده شده و مشاهده می‌شود که مدل ANFIS با برخورداری از خطای تبیین معادل 9087/0 و مجذور میانگین مربعات خطای معادل 224 میلیگرم در لیتر نسبت به سایر مدل‌ها به نتایج بهتری دست می‌یابد. کمترین میزان R2 و RMSEنیز برای مدل SRC به ترتیب معادل 8251/0 و 304 برآورد گردید. مقادیر آکائیک نیز برای مدل ANFIS معادل 1993 محاسبه شد که این امر نشان‌دهنده‌ی قابلیت بالای مدل ANFIS در تخمین بار معلق رسوبی می‌باشد.



[1]-Artificial neural fuzzy inference system


[2]-Multi layer perceptron


[3]-Radial basis function


[4]-Sediment rating curve
کلیدواژه‌ها
بار معلق رسوبی؛ سیستم استنتاجی فازی عصبی؛ پرسپترون چندلایه؛ شبکه‌‌ی عصبی رگرسیونی تعمیم‌یافته؛ شبکه‌ی عصبی تابع پایه شعاعی؛ منحنی سنجه رسوبی؛ حوضه‌ی رودخانه‌ی زرینه‌رود
آمار
تعداد مشاهده مقاله: 1,947
تعداد دریافت فایل اصل مقاله: 1,366


Contact Us | Help & Support | Site Map

Journal Management System. Designed by sinaweb.