• کاربرد شبکه های عصبی مصنوعی در تجزیه زمانی بارندگی ساعتی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/01/01
    • تاریخ انتشار در تی پی بین: 1390/01/01
    • تعداد بازدید: 863
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    سری زمانی بارش غالباً یکی از ورودی های لازم برای تجزیه و تحلیل و طراحی سیستم های هیدرولیکی و هیدرولوژیکی می باشد. اطلاعات بارش به منظور کاربرد در این اهداف می تواند به صورت اندازه گیری مشاهدات بدست آید و یا اینکه به وسیله شبیه سازی اتفاقی تولید شود. یک مشکل عمده در مورد داده های بارندگی ثبت شده و یا تولیدی این است که این داده ها در بازه های زمانی به اندازه کافی کوچک برای کاربردهای مهندسی موجود نمی باشند. برای حل این مشکل می توان مقادیر بارندگی را به بازه های زمانی کوچکتر تجزیه نمود. در این تحقیق دو نوع شبکه عصبی مصنوعی (شبکه پرسپترون چند لایه، شبکه تابع پایه شعاعی) معرفی شده و از آنها برای تجزیه زمانی بارندگی ساعتی به زیر بازه های پانزده دقیقه ای استفاده شده است و در نهایت عملکرد آنها با مدل تجزیه زمانی آرمسبی نیز مقایسه شده است. در انتها نتایج هر دو نوع شبکه عصبی نشان داد که استفاده از شبکه های عصبی از لحاظ برآورد کلی هیدروگراف بارندگی دارای عملکرد مناسبی می باشد. همچنین این روش در تعیین مقدار حداکثر بارش پانزده دقیقه ای بسیار بهتر از روش های دیگر عمل می کند. بر پایه این نتایج، استفاده از شبکه های عصبی به عنوان روشی مناسب برای تجزیه زمانی بارندگی ساعتی به بارش های پانزده دقیقه ای پیشنهاد شده است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین ژورنال ها