(تخمين رسوب رودخانه با استفاده از مدل هاي شبكه عصبي مصنوعي و رگرسيون تكه اي(مطالعه موردي: رودخانه حصار

در اين تحقيق به بررسي عملكرد مدل هاي شبكه عصبي مصنوعي، و مدل رگرسيون تكه اي در تخمين رسوب رودخانه پرداخته شده است. به منظور بررسي عملكرد مدل هاي شبكه عصبي مصنوعي، از شبكۀ عصبي پرسپترون چند لايه(MLP) و تابع پايه شعاعي(RBF) استفاده شده است و همچنين عوامل تأثيرگذار بر عملكرد شبكه هاي عصبي مصنوعي به منظور تخمين رسوب، مورد بررسي قرار گرفته شده است، كه از جملۀ آنها مي توان به تأثير تعداد نرون هاي لايۀ مياني بر عملكرد شبكه، نوع توابع محرك انتخابي براي نرون هاي لايۀ مياني و همچنين تأثير و نقش نرمال سازي داده ها اشاره كرد.در نهايت نتايج حاصل از مدل شبكه عصبي مصنوعي با، مدل رگرسيون تكه اي مقايسه شده است.نتايج حاصل از عملكرد اين مدلها به منظور تخمين رسوب، در مراحل آموزش و ارزيابي با استفاده از معيارهاي تعريف شده براي سنجش خطا با مقادير مشاهداتي مقايسه شده است، و پس از مقايسۀ مدل هاي مختلف، بهترين مدل انتخاب شده است.