شماره ركورد كنفرانس :
2742
عنوان مقاله :
برآورد فاصله لوله هاي زهكش در حالت هاي ماندگار و غيرماندگار با استفاده از شبكه عصبي مصنوعي
پديدآورندگان :
محمدي كورش نويسنده , سلامي مهدي نويسنده , اژدري مهدي نويسنده , رياحي مدوار حسين نويسنده
تعداد صفحه :
8
كليدواژه :
فاصله زهكش ها , فرمولهاي هوخهات و گلوردام , شبكه عصبي مصنوعي
سال انتشار :
1385
عنوان كنفرانس :
دومين كنفرانس مديريت منابع آب ايران
زبان مدرك :
فارسی
چكيده فارسي :
، ،امروزه استفاده از شبكه های عصبی مصنوعی (ANNs ) بعنوان ابزاری قدرتمند و راهكاری جدید در تحلیل مسائل آبی، گسترش یافته است . در حدود 92 درصد از منابع آب مصرفی كشور در بخش كشاورزی استفاده می شود، لذا استفاده صحیح و بهینه در این بخش می تواند كمك مهمی به صرفه جوئی در آب بنماید .  یكی از مسائلی كه كمك فراوانی به استفاده صحیح و جلوگیری از هدررفت آب به خصوص در ایران می نماید، زهكشی صحیح اراضی كشاورزی می باشد .  زهكشی اضافی باعث هدر رفت آب گرانبها گشته و زهكشی كم باعث می شود كه بهره - وری آب كاهش یافته و محصول مورد نظر تولید نگردد .  به همین منظور در این تحقیق یك رهیافت جدید با استفاده از شبكه عصبی مصنوعی با ساختار پرسپترون چند لایه برای مدل كردن فاصله ی زهكش ها در حالتهای ماندگار و غیرماندگار، با استفاده از فرمولهای هوخهات و گلوردام كه از فرمولهای رایج و متداول برای محاسبه فاصلهی زهكشها است، ارائه شده است . مدلهای مورد نظر با مجموعهای از دادههای تئوری و آزمایشگاهی مربوط به پارامترهای مورد نیاز در فرمولهای هوخهات و گلوردام مورد آموزش و ارزیابی قرار گرفته است . غیرخطی بودن روابط بكار رفته در این روشها باعث می شود كه امكان حل مستقیم آنها وجود نداشته و نیاز به آزمون و خطا و استفاده از گرافهای متعدد بوجود بیاید . در توسعه مدل شبكه عصبی مصنوعی، چندین ساختار پرسپترون چند لایه با تعداد لایههای پنهان و نرونهای مختلف مورد ارزیابی قرار گرفت و در هر مورد ساختاری كه 2 بالاترین مقدار R و كمترین مقدار متوسط جذر مربع خطا (RMSE) را تولید مینمود بعنوان مدل بهینه گزینش گردید . بهترین مدل برای محاسبه فاصله زهكشها در حالت ماندگار و غیرماندگار به ترتیب ساختاره1-12-9 و 1-7-7 و و با R 2 ، 0.993 , 0.9882 در مرحله تست بدست آمد .
شماره مدرك كنفرانس :
4461017
سال انتشار :
1385
از صفحه :
1
تا صفحه :
8
سال انتشار :
1385
لينک به اين مدرک :
بازگشت