مقايسه ي كاربرد روش شبكه‌ ي عصبي مصنوعي با وايازي خطـي

Comparison of the Artificial Neural Networks and the Linear and Multiple Regression Techniques in Predicting the Rate and Distribution of Sedimentation in Man-Made Reservoirs

پديده ي فرسايش و انتقال رسوب يكي از پيچيده‌ترين مسايل هيدروديناميك (آب پويايي ) مي‌باشد كه در مطالعه ي طرحهاي آبي از اهميتي بسيار برخوردار است. با توجه به اين كه شبكه‌هاي عصبي مصنوعي از دو ويژگي اساسي يادگيري يا نگاشت‌پذيري بر اساس ارايه ي داده‌هاي تجربي (قدرت و توانايي تعميم‌پذيري) و ساختارپذيري موازي برخوردارند، يكي از مهم ترين روش هاي هوش مصنوعي مي باشند كه در آن با الهام‌گيري از مغز انسان، ضمن اجراي فرآيند آموزش، اطلاعات مربوط به داده‌ها درون وزن هاي شبكه ذخيره مي‌شوند. در اين پژوهش ضمن طراحي شبكه‌هاي عصبي مصنوعي با روش پس انتشار خطا و تجزيه و تحليل پايداري و همگرايي فراسنج هاي اداره ‌كننده ي سامانه ‌هاي حلقه‌اي آن، عملكرد آن ها در برآورد نحوه ي توزيع رسوب مخزن سداكباتان مورد بررسي قرار گرفته و در پي آن نيز با استفاده از وايازي خطي و وايازي چند متغيره اقدام به برآورد ميزان و نحوه ي توزيع رسوب مخزن سد نامبرده شده و نتايج بدست آمده با يك ديگر مقايسه و مورد بررسي قرار گرفته اند. پس از تعيين ضرايب (R2) و(RSME) شبيه شبكه‌هاي عصبي مصنوعي براي بررسي و نحوه ي توزيع رسوب‌گذاري مخازن سدها به عنوان يكي از دقيق‌ترين روش ها پيشنهاد مي‌گردد. افزون بر آن، كاربرد وايازي خطي، به دليل ساز و كار پخش خطا در محاسبات، بر وايازي چند متغيره غيرخطي برتري دارد