این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۲۱، شماره ۴، صفحات ۱۰۴-۱۰۹
عنوان فارسی پیش‌بینی ضریب انتشار طولی در رودخانه‌های طبیعی با مدل توسعه یافته شبکه عصبی
چکیده فارسی مقاله هدف اصلی این مقاله پیش‌بینی ضریب انتشار طولی در رودخانه‌های طبیعی با استفاده از مدل توسعه داده شده شبکه عصبی مصنوعی بر مبنای توابع آموزش شبه-نیوتنی بود. به این منظور از اطلاعات هیدرولیکی و هندسه جریان استفاده گردید. مجموع کل اطلاعات مورد استفاده در این تحقیق، 100 سری داده بود که به سه دسته آموزش، دسته نظارت بر آموزش و دسته آزمایش تقسیم شد. در این تحقیق، ابتدا با دیدی انتقادی به مرور برخی از مهم‌ترین تحقیقات انجام گرفته در این زمینه پرداخته شد که نتیجه آن نمایان ساختن اشکالات موجود در برخی از این مطالعات بود. در گام بعدی به‌منظور ارائه مدلی که قادر به مدل‌سازی ضریب انتشار طولی در رودخانه‌های طبیعی باشد، رویکردی جدید از شبکه عصبی بر مبنای توابع آموزش شبه-نیوتنی که کمتر مورد توجه محققان بوده، معرفی شد. در نهایت نیز با بررسی نقش این دسته از توابع آموزش بر عملکرد شبکه، بهترین ساختار شبکه برای این منظور پیشنهاد گردید. نتایج به‌دست آمده از این تحقیق بیانگر دقت قابل قبول مدل پیشنهادی بود به‌طوری که مقادیر ضریب تعیین و میانگین قدرمطلق خطا برای مرحله آزمایش به‌ترتیب معادل 0/85 و 53 بود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Predicting the Longitudinal Dispersion Coefficient in Natural Streams Using Developed Artificial Neural Network Model
چکیده انگلیسی مقاله The main objective of the present work is to predict the longitudinal dispersion coefficient in natural streams using a neural network (NN) model which was developed based on Quasi-Newton training functions. For this reason, we used the hydraulic and geometric data easily obtained in natural streams. A total number of 100 data sets was used which were split into three subsets: training, validation, and testing sets.The most cited literature in the field was first reviewed in an attempt to identify possible deficiencies and inadequacies in previous studies. In a second stage, a new approach less commonly used by researchers, i.e. the NN model based on Quasi-Newton training functions, was employed for predicting the longitudinal dispersion coefficient in natural streams. Finally, the effect of Quasi-Newton training function on the performance of the NN model was investigated and the best architecture was selected for the model developed. The results obtained in this study showed that the proposed model enjoys a satisfactory level of accuracy. The two statistics of the model, i.e. determination coefficient and mean absolute error in testing step, were found to be equal to 0.85 and 53, respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله روح اله نوری |
دانشجوی دکترای مهندسی محیط زیست، دانشکده محیط زیست، دانشگاه تهران
سازمان اصلی تایید شده: دانشکده محیط زیست

عبدالرضا کرباسی |
استادیار، دانشکده محیط زیست، دانشگاه تهران
سازمان اصلی تایید شده: دانشکده محیط زیست

حمید مهدیزاده |
کارشناس ارشد مهندسی شیمی، پژوهشگاه صنعت نفت، تهران
سازمان اصلی تایید شده: پژوهشگاه صنعت نفت (Research institute of petroleum industry)

نشانی اینترنتی http://www.wwjournal.ir/article_1354_b409cdc21c407de6a8d1fb77c4cf44d9.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات