[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
DOI::
OPEN ACCESS::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار نشریه
مقالات منتشر شده: 613
نرخ پذیرش: 21.3
نرخ رد: 78.7
میانگین داوری: 307 روز
میانگین انتشار: 630 روز
..
آمار عمومی نشریه
آمار عمومی نشریه
..
تعداد دورها                          23
تعداد شماره‌ها 83
 تعداد مقالات 4001
 تعداد مشاهده مقاله 11748252
 تعداد مقالات ارسال شده در یکسال اخیر 3230
 تعداد مقالات پذیرفته شده  637
 درصد پذیرش 30
 زمان پذیرش (روز) 120
 تعداد پایگاه های نمایه شده 9
 h.index 3
میانگین بازه زمانی فرایند داوری 30
:: دوره 16، شماره 56 - ( 12-1395 ) ::
جلد 16 شماره 56 صفحات 131-115 برگشت به فهرست نسخه ها
تخمین بار معلق رسوبی رودخانه سنگورچای با استفاده از دو مدل شبکه عصبی مصنوعی
مهدی فیض اله پور*
دانشگاه زنجان
چکیده:   (5511 مشاهده)

حوضه رودخانه سنگورچای به عنوان یکی از شاخه های رودخانه قزل اوزن دارای حجم بالایی ازرسوبات است. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از مدل پیش خور با الگوریتم پس انتشار خطا(FFBP) و تابع پایه شعاعی(RBF) استفاده شد. در واقع طبیعت غیر خطی بار معلق رسوبی استفاده از مدل های فوق را به عنوان مدل های غیرخطی در شبیه سازی این پارامتر اجتناب ناپذیر کرده است. لیکن پارامترهای ورودی برای هر مدل متفاوت بوده و در یک مرحله تنها از داده دبی استفاده شده و در مرحله بعد علاوه بر داده دبی از داده بارندگی نیز در هر مدل استفاده گردید. سپس برای تعیین کارایی مدل ها از فاکتور مجذور میانگین مربعات خطا(RMSE) و خطای تعیین(R2) استفاده شده و مشاهده می شود که مدل RBF در صورت استفاده از دو پارامتر دبی و بارندگی به عنوان پارامترهای ورودی، با برخورداری از خطای تعیین 9251/0 و مجذور میانگین مربعات خطای معادل 265 میلی گرم در لیتر به نتایج بهتری دست یافته است. در نهایت برای تعیین قابلیت پارامتر RMSE در صحت سنجی هر یک از مدل ها، از سیستم اطلاعاتی آکائیک(AIC) استفاده شده و مشاهده شد که مدل RBF با برخورداری از مقادیر آکائیک معادل 1042 از قابلیت بهتری برخوردار است.

واژه‌های کلیدی: بار معلق رسوبی، پیش خور پس انتشار، تابع پایه شعاعی، سیستم آکائیک، حوضه سنگورچای
متن کامل [PDF 1219 kb]   (1025 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1392/11/16 | پذیرش: 1394/1/26 | انتشار: 1395/12/8
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

feyzolahpour M. Suspended sediment load estimation by using feed forward back propagation (FFBP) and radial basis function (RBF), (Songurchay river). جغرافیایی 2017; 16 (56) :115-131
URL: http://geographical-space.iau-ahar.ac.ir/article-1-694-fa.html

فیض اله پور مهدی. تخمین بار معلق رسوبی رودخانه سنگورچای با استفاده از دو مدل شبکه عصبی مصنوعی . فضای جغرافیایی. 1395; 16 (56) :115-131

URL: http://geographical-space.iau-ahar.ac.ir/article-1-694-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 16، شماره 56 - ( 12-1395 ) برگشت به فهرست نسخه ها
فضای جغرافیایی Geographic Space
Persian site map - English site map - Created in 0.2 seconds with 43 queries by YEKTAWEB 4642