پاسخ به:بانک مقالات جغرافیا
چهارشنبه 6 اردیبهشت 1391 11:30 AM
2 : پژوهشهاي جغرافياي طبيعي (پژوهش هاي جغرافيايي) بهار 1389; -(71):21-30. |
تحليل مقايسه عملکرد شبکه هاي عصبي مصنوعي و مدل هاي رگرسيوني پيش بيني رسوب معلق مطالعه موردي: حوضه آبخيز اسکندري واقع در حوضه آبريز زاينده رود |
ولي عباس علي*,معيري مسعود,رامشت محمدحسين,موحدي نيا ناصر |
* دانشگاه اصفهان، دانشگاه شيراز |
يکي از جنبه هاي حايز اهميت در مديريت محيط در ژئومورفولوژي کاربردي حل مشکل برآورد رسوب يک سيستم رودخانه اي مي باشد. هدف اين مطالعه ارزيابي عملکرد مقايسه اي دو نوع شبکه عصبي مصنوعي (مدل ژئومورفولوژيکي و مدل غيرژئومورفولوژيکي) و دو نوع مدل رگرسيوني (مدل تواني و مدل غيرخطي چندگانه) براي پيش بيني بار رسوب معلق حوضه اسکندري در حوضه آبريز زاينده رود مي باشد. مدل ها بر اساس آمار 104 حادثه وقوع همزمان ثبت شده دبي و رسوب طراحي شده اند. پارامترهاي ژئومورفولوژيکي بکار رفته در مدل هاي مزبور شامل: نسبت ناهمواري، ضريب شکل و تراکم زهکشي مي باشند. شبکه هاي عصبي مصنوعي طراحي شده از نوع انتشار برگشتي چهار لايه است. بهترين نتايج پيش بيني مربوط به روش شبکه عصبي مصنوعي ژئومورفولوژيکي با ضريب تبيين معني دار 98/0 و جذر ميانگين خطاي 49/4 در مقايسه با روش شبکه عصبي مصنوعي طراحي شده بر اساس آمار جريان با مقادير ضريب تبيين 96/0 و خطاي 35/5 مي باشد. عملکرد روش هاي رگرسيوني با ضريب تبيين 893/0 و خطاي 66/8 براي روش چند متغيره غيرخطي ومقادير ضريب تبيين 814/0 و خطاي برآورد 05/15 براي روش غيرخطي ساده تواني ضعيف تر از شبکه هاي عصبي مشاهده گرديد. تفاوت فاحش در شاخص هاي ارزيابي مدل هاي شبکه عصبي مصنوعي نسبت به روش هاي رگرسيوني در عملکرد مناسب آنها براي تعداد کم نمونه هاي مدل مي باشد. بنابراين شبکه هاي عصبي مصنوعي به خصوص شبکه هاي ژئومورفولوژيکي به عنوان يک ابزار قوي پيش بيني شايسته بار رسوب يک سيستم پيچيده رودخانه اي معرفي مي شوند. |
كليد واژه: بار رسوب، رواناب، ژئومورفولوژي، شبکه عصبي مصنوعي، مدل رگرسيوني |
نسخه قابل چاپ |