مقایسه بین الگوریتم هی آموزشی مدل های شبکه عصبی در پیش بینی جریان

چکیده مقاله

پیش بینی دقیق جریان رودخانه ای به عنوانیک فاکتور مهم در مدیریت ریسک سیلاب مطرح می باشد در این تحقیق دو معماری مختلف از شبکه های عصبی مصنوعی شامل شبکه عصبی feed forward و شبکه بازگشتی ازنوع المان با به کارگیری سه الگوریتم آموزشی متفاوت شامل الگوریتم های لونبرگ مارکوتLMتنظیم بیزینBRو الگوریتم آموزشی پس انتشار خطا با کاهش شیب و نرخیادگیری انطباقیGDXبه منظور پیش بینی جریان ماهانه مورد بررسی قرار گرفته است همچنین کارایی مدل های فوق الذکر با آماره های مختلف مورد بررسی قرار گرفت مدل شبکه عصبی بازگشتی با معماری 1 10 10 4 و مدل شبکه عصبی feed forward با معماری 1 4 4 4 و الگوریتم آموزشی L M برای هریک از این دو مدل، کارایی بهتری را نسبت به بقیه مدل ها نشان دادند همچنین شبکه عصبی بازگشتی کارایی بهتری را در مقایسه با شبکه feed forward برای پیش بینی جریان ماهانه نشان می دهد

کلیدواژه‌ها

نویسندگان

احمد رادمهر

دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تهران

امید بزرگ حداد

استادیار گروه مهندسی آبیاری و آبادانی، دانشگاه تهران

�ادمهر، احمد و بزرگ حداد، امید،1388،مقایسه بین الگوریتم هی آموزشی مدل های شبکه عصبی در پیش بینی جریان،هشتمین سمینار بین المللی مهندسی رودخانه،اهواز

ارائه‌شده در

مجموعه مقالات هشتمین سمینار بین المللی مهندسی رودخانه6 بهمن 1388 · اهواز