دوره 22، شماره 66 - ( 7-1401 )                   جلد 22 شماره 66 صفحات 56دوره41فصل__Se | برگشت به فهرست نسخه ها


XML English Abstract Print


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

Abolfathi D, Madadi A, Asghari S. (2022). Modeling of River Sediment Estimation Using Artificial Neural Network Method (Case Study: Vanai River). jgs. 22(66), 41-56. doi:10.52547/jgs.22.66.41
URL: http://jgs.khu.ac.ir/article-1-3169-fa.html
ابوالفتحی داریوش، مددی عقیل، اصغری صیاد. مدل سازی تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (رودخانه ونایی) تحقیقات کاربردی علوم جغرافیایی 1401; 22 (66) :56-41 10.52547/jgs.22.66.41

URL: http://jgs.khu.ac.ir/article-1-3169-fa.html


1- دانشگاه محقق اردبیلی، اردبیل
2- دانشگاه محقق اردبیلی، اردبیل ، aghil48madadi@yahoo.com
چکیده:   (5838 مشاهده)
رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند. منطقه مورد مطالعه در این پژوهش حوضه آبریز رودخانه ونایی است. این منطقه در شهرستان بروجرد، در استان لرستان در غرب ایران واقع شده است، پژوهش حاضرازنوع کاربردی است. بدین صورت که، ابتدا مشخصات زیرحوضه های این رودخانه استخراج شده است این مشخصات شامل مشخصات فیزیکی زیرحوضه ها از جمله مساحت، محیط و طول آبراهه ها و مشخصات مربوط به دبی رودخانه و میزان رسوب آن است. در ادامه با روش های رگرسیون خطی چند متغیره، شبکه عصبی پیش خور چندلایه (MLP) به تخمین بار رسوب پرداخته شد. پس از محاسبه شاخص های RMSE و MAE با توجه به این امر که هرچقدر میزان این شاخص ها کمتر باشد مقدار پیش بینی شده به مقادیر واقعی نزدیکتر است بنابراین باتوجه به شواهد حاصله مدل شبکه عصبی مصنوعی MLP دقت بهتری را نسبت به مدل دیگر در تخمین میزان رسوب منطقه نشان میدهد. از سوی دیگر با توجه به مقدار شاخص R2 که برای دومدل محاسبه شده است دقت تخمین مدل به مقدار90.47 برای مدل MLP محاسبه شده است، مقدار R2 برای این مدل برابر 0.89 است. پس از مدل شبکه عصبی مصنوعی MLP. مدل رگرسیون خطی چند متغیره با مقدار R2 برابر با 0.353 قرار دارد. و این نشان دهنده ی دقت سه برابری مدل  MLPنسبت به مدل رگرسیون می باشد مدل رگرسیون خطی نیز به علت این امر که تنها روابط خطی بین متغیر ها را در نظر می‏گیرد بیشترین میزان خطا را دارد.
 
متن کامل [PDF 2213 kb]   (1210 دریافت)    
نوع مطالعه: گزارش مورد | موضوع مقاله: ژئومورفولوژی

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

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وبگاه متعلق به تحقیقات کاربردی علوم جغرافیایی است.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Applied Researches in Geographical Sciences

Designed & Developed by : Yektaweb

Creative Commons License
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)