چکیده مقاله
بارندگی یکی از اجزای اصلی چرخهی هیدرولوژی است اندازهگیری نقطهای بارندگی، عدم پراکنش مناسب ایستگاههای هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازهگیری باعث پیدایش روشهایی برای برآورد دادههای معتبر در مناطق فاقد آمار شده است شبکه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد سپس با استفاده از مقادیر بارندگی بهعنوان خروجی هدف، شبکه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد 20 % دادهها بهطور تصادفی برای ارزیابی شبکه ها استفاده شد درنهایت دادههای پیشبینی شده توسط شبکه های مختلف با شاخص آماری میانگین انحراف خطاMBEمجموع مربعات خطاSSE و ضریب همبستگیR2 مقایسه شد
کلیدواژهها
نویسندگان
حامد مازندرانی زاده
استادیار گروه علوم و مهندسی آب دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی ره قزوین
پیمان دانش کارآراسته
استادیار گروه علوم و مهندسی آب دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی ره قزوین
معصومه سادات هاشمی طامه
دانشجوی دوره دکتری دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی ره قزوین
شیوه ارجاع
مازندرانی زاده، حامد و دانش کارآراسته، پیمان و هاشمی طامه، معصومه سادات،1394،انتخاب بهترین پارامترهای شبکه عصبیANN بهمنظور تخمین دادههای بارش ماهانه،دهمین کنگره بین المللی مهندسی عمران،تبریز
ارائهشده در
مجموعه مقالات دهمین کنگره بین المللی مهندسی عمران15 اردیبهشت 1394 · تبریز