ارزیابی و مقایسه سیستم استنتاج فازی- عصبی و شبکه عصبی مصنوعی پرسپترون چند لایه در برآورد هدایت هیدرولیکی اشباع خاک با استفاده از بافت خاک (مطالعه موردی: شبکه آبیاری دشت فتحعلی مغان)
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 146
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ARIDSE-16-65_003
تاریخ نمایه سازی: 11 دی 1401
چکیده مقاله:
اندازهگیری مستقیم ویژگی های هیدرولیکی خاک وقتگیر و پر هزینه است اما می توان این ویژگی هارا با بهرهگیری از داده های زودیاف مثل بافت خاک، جرم مخصوص ظاهری و با استفاده از روش هایی چون توابع انتقالی و سیستم استنتاج فازی- عصبی نیز به دست آورد. در این تحقیق برای برآورد هدایت هیدرولیکی اشباع خاک، ازمدلشبکه عصبی مصنوعی و سیستماستنتاجفازی-عصبیاستفاده شد. ورودیهای مدل، شامل درصد رس، سیلت و شن بود. معماری شبکه عصبی دارای ۳ نرون در لایه ورودی، ۱۱ نرون در لایه پنهان با تابع انتقال تانژانت سیگموئید و یک نرون در لایه خروجی با تابع انتقال خطی با ۱۰۰۰ تکرار بود و در تمام شبکه از سرعت یادگیری و مومنتم مساوی با ۳/۰ استفاده شد. سیستم استنتاج فازی- عصبی دارای ۲۷ قانون است و برای تابع عضویت متغیرهای ورودی از تابع گوسین استفاده شد. همچنین، برای بهینه سازی سیستم استنتاج فازی- عصبی از روش هیبرید استفاده شد. برای ارزیابی عملکرد مدل از پارامترهای مجذور میانگین مربعات خطا (سانتی متر بر روز)، درصد خطای نسبی، میانگین خطای مطلق (سانتی متر بر روز)، ضریب جرم باقیمانده، راندمان مدل و ضریب تبیین استفاده شد که برای مدل فازی- عصبی به ترتیب ۰۳۲/۰، ۶۲۷/۰، ۱۸/۰، ۰۰۰۰۰۲۳/۰-، ۹۹۹/۰ و ۹۹۷/۰ به دست آمد. برای شبکه عصبی مصنوعی نیز با الگوریتم آموزشی لونبرگ– مارکوت در تخمین هدایت هیدرولیکی اشباع خاک این مقادیر به ترتیب ۲۲/۱، ۴۴/۱، ۲۱/۱، ۰۰۰۱۵/۰-، ۹۹۷/۰ و ۹۹/۰ به دست آمد. نتایج تحقیق نشان می دهد که سیستم استنتاج فازی- عصبی نسبت به شبکه عصبی مصنوعی دقیقتر است و نسبت به دادههای اندازهگیری شده نتایجی نزدیکتر ارائه می دهد.
کلیدواژه ها:
نویسندگان
یاسر حسینی
دانشگاه محقق اردبیلی
رضا صدقی
دانشکده فنی وحرفه ای سما،دانشگاه آزاد اردبیل،اردبیل،ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :