مدل بارندگی-رواناب با استفاده از تئوری موجک و شبکه های عصبی مصنوعی (مطالعه موردی هلیل رود)

چکیده مقاله

ظهور تئوریهای توانمند مانند منطق فازی و شبکه های عصبی مصنوعی ANN ، الگوریتم ژنتیک و اخیرا موجک تحولی عظیم در تحلیل رفتار سیستم های دینامیک در علوم مختلف مهندسی آب ایجاد کرده است در تحقیق حاضر عملکرد شبکه عصبی پرسپترون چند لایه MLP ، در برآورد و پیش بینی جریان روزانه رودخانه هلیل با استفاده از الگوریتم آموزشی پس انتشار خطا بررسی شده و به منظور بالا بردن راندمان عملکرد شبکه عصبی مصنوعی، داده های آموزشی و آزمون با استفاده از موجک به سیگنالهایی تفکیک شده اند افزار گردیده اند با استفاده از داده های موجکی شبکه را آموزش داده و سپس نتایج آزمون با عکس تبدیل موجک به حالت نرمال برگردانده شده و نتایج محاسباتی و مشاهداتی مورد ارزیابی آماری قرار گرفته اند نتایج حاکی از بهبود عملکرد شبکه عصبی مصنوعی با استفاده از داده های موجکی می باشد

کلیدواژه‌ها

نویسندگان

مجتبی نوری

دانشجوی کارشناسی ارشد سازه های آبی دانشگاه شهید باهنر کرمان

محمدباقر رهنما

استادیار بخش آبیاری دانشگاه شهید باهنر کرمان

نوری، مجتبی و رهنما، محمدباقر،1385،مدل بارندگی-رواناب با استفاده از تئوری موجک و شبکه های عصبی مصنوعی (مطالعه موردی هلیل رود)،هفتمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات هفتمین کنگره بین المللی مهندسی عمران17 اردیبهشت 1385 · تهران