[صفحه اصلی ]   [Archive] [ English ]  
:: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 15، شماره 43 - ( 10-1397 ) ::
جلد 15 شماره 43 صفحات 89-97 برگشت به فهرست نسخه ها
بهینه‌سازی ساختار شبکه عصبی مصنوعی در پیش‌بینی دبی رسوب با استفاده از روش تاگوچی
دکتر سمانه رضوی زاده ، دکتر فاطمه درگاهیان
سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
چکیده:   (293 مشاهده)
در دهه ‏های اخیر شبکه ‏های عصبی مصنوعی به عنوان ابزاری موفق در تخمین و پیش ‏بینی پدیده‏ های هیدرولوژیکی به کار گرفته شده ‏اند. اگرچه استفاده از شبکه ­های عصبی مصنوعی امکان برآورد بار معلق رسوب رودخانه ­ها را با دقت و سرعت مناسب فراهم کرده است، اما دقت پیش­ بینی این مدل­ ها، به میزان زیادی تحت­ تاثیر دانش و درک کاربر از شبکه عصبی مصنوعی قرار دارد. در مطالعات منابع طبیعی و به ویژه مطالعات هیدرولوژی و رسوب‏ سنجی، توجه کمی به بهینه ‏سازی ساختار شبکه عصبی مصنوعی شده است و بطور معمول از روش آزمون و خطا برای ایجاد یک ساختار بهینه استفاده می­شود. در تحقیق حاضر برای یافتن بهترین ساختار شبکه عصبی مصنوعی در پیش ‏بینی بار رسوبی رودخانه نکا از روش بهینه ­سازی تاگوچی استفاده شد. چهار فاکتور مهم در ساختار شبکه ­های عصبی مصنوعی شامل تعداد نرون در لایه­ پنهان اول، تعداد نرون در لایه­ پنهان دوم، الگوریتم آموزش و تابع انتقال که از عوامل اثرگذار بر برآورد خروجی شبکه عصبی مصنوعی هستند، در سه سطح مختلف در طراحی آزمایشات تاگوچی در نظر گرفته شد. نتایج نشان داد که ساختار بهینه شبکه عصبی با 3 نرون در لایۀ پنهان اول (سطح سه)، 7 نرون در لایۀ پنهان دوم (سطح دو)، الگوریتم آموزش لونبرگ-مارکوارت[1] (سطح سه) و تابع انتقال پیورلاین[2](سطح دو) می­باشد که می­تواند دبی رسوب نکارود را با دقت بالا برآورد کند.
 
[1]Levenberg-Marquarate
[2] Purelin
واژه‌های کلیدی: بار رسوبی رودخانه، روش طراحی آزمایشات تاگوچی، حوزه آبخیز نکارود
متن کامل [PDF 589 kb]   (5 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۶/۹/۲۳ | پذیرش: ۱۳۹۷/۵/۱۴
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Razavizadeh S, Dargahian F. Optimization of Artificial Neural Network Structure in Prediction of Sediment Discharge Using Taguchi Method. jwmseir. 2019; 15 (43) :89-97
URL: http://jwmsei.ir/article-1-777-fa.html

رضوی زاده سمانه، درگاهیان فاطمه. بهینه‌سازی ساختار شبکه عصبی مصنوعی در پیش‌بینی دبی رسوب با استفاده از روش تاگوچی. مجله علوم ومهندسی آبخیزداری ایران. 1397; 15 (43) :89-97

URL: http://jwmsei.ir/article-1-777-fa.html



دوره 15، شماره 43 - ( 10-1397 ) برگشت به فهرست نسخه ها
مجله علوم ومهندسی آبخیزداری ایران Iranian Journal of Watershed Management Science and Engineering
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3815