پایان نامه ارشد:بررسی کاربرد روش شبکه عصبی مصنوعی در برآورد رواناب سالانه حوزههای آبخیز (مطالعه موردی: حوزه آبخیز کل، استان فارس) |
استاد مشاور:
دکتر مرضیه موغلی
تابستان 1393
برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود
(در فایل دانلودی نام نویسنده موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
فهرست مطالب
عنوان صفحه
چکیده 1
فصل اول: مقدمه و کلیات
مقدمه 3
1-2- اهمیت و ضرورت انجام تحقیق 5
1-3- اهداف تحقیق(کلی و ویژه) 7
1-4- متغیر های تحقیق 7
1-5- فرضیه ها یا پرسش های تحقیق 7
1-6- هوش مصنوعی و هوش انسانی 7
1- 7- معرفی شبکه عصبی مصنوعی 9
1-8- تاریخچه شبکه عصبی مصنوعی 10
1-9- چرا از شبکه های عصبی استفاده می کنیم؟ 12
1-10- شبکه های عصبی در مقایسه با کامپیوترهای سنتی 13
1-11- نورون مصنوعی 14
1-12- ساختار شبکه عصبی 15
1-13- کاربرد شبکه های عصبی 16
1-14- معایب شبکه های عصبی 17
1-14-1- تئوری شبکه های عصبی مصنوعی 18
1-14-2- پارامترها و مراحل طراحی ANN 20
1-14-3- شبکه های عصبی مصنوعی پیشرو 23
1-14-4- الگوریتم پس انتشار خطا با مومنتوم 24
1-15- معماری شبکه عصبی 28
1-16- شبکه عصبی چه قابلیتهائی دارد؟ 29
1-17- مفاهیم پایه در شبکه های عصبی مصنوعی 30
1-18- انواع شبکه های عصبی 30
1-18-1- شبكه عصبی پرسپترون ساده 30
1-18-2- شبكه عصبی پرسپترون چند لایه) MLP ( 30
1-19- شبکه های عصبی بیولوژیکی 32
فصل دوم: پیشینه تحقیق
2-1- زمینه تاریخی 36
2-2- مطالعات داخل کشور 37
2-3- مطالعات خارج کشور 48
فصل سوم: مواد و روش ها
3-1- معرفی ایستگاهای مورد مطالعه 54
3-2- مراحل روش تحقیق 55
3-3- روش انجام کار 56
3-4- استفاده از شبکه عصبی مصنوعی در برآورد رواناب سالانه 57
3-5- معرفی مدل Qnet2000 59
فصل چهارم: نتایج
4-1- معرفی ایستگاهای مورد مطالعه 67
4-1-1- بند بهمن 68
4-1-1-1- نتایج پردازش داده ها در حالت پیش فرض خود نرم افزار 68
4-1-4- پردازش داده ها با توابع محرک مختلف 84
فصل پنجم : بحث و نتیجه گیری
5-1- ایستگاه بند بهمن 86
5-2- ایستگاه چمریز 87
5-3- ایستگاه درب قلعه 88
5-4- جمع بندی 89
5-5- پیشنهادات 90
منابع و مآخذ
منابع فارسی 92
منابع لاتین 94
پیشنهادات 95
چکیده انگلیسی 97
فهرست جداول
عنوان صفحه
جدول 3-1- مشخصات ایستگاه های مورد مطالعه در استان فارس 54
جدول 4-1- مشخصات ایستگاه های مورد مطالعه در استان فارس 67
جدول 2- 4ساختار های استفاده شده در برنامه Qnet 2000 69
جدول4-3 مقادیر R2و RMSE مربوط به مدل M1در تکرارهای مختلف و توابع تحریک مختلف 69
جدول4-4 مقادیر R2و RMSE مربوط به مدل M2در تکرارهای مختلف و توابع تحریک مختلف 70
جدول4-5 مقادیر R2و RMSE مربوط به مدل M3در تکرارهای مختلف و توابع تحریک مختلف 71
جدول4-6 مقادیر R2و RMSE مربوط به مدل M1در تکرارهای مختلف و توابع تحریک مختلف 74
جدول4-7 مقادیر R2و RMSE مربوط به مدل M2در تکرارهای مختلف و توابع تحریک مختلف 75
جدول4-8 مقادیر R2و RMSE مربوط به مدل M3در تکرارهای مختلف و توابع تحریک مختلف 75
جدول4-9 مقادیر R2و RMSE مربوط به مدل M1در تکرارهای مختلف و توابع تحریک مختلف 78
جدول4-10 مقادیر R2و RMSE مربوط به مدل M2در تکرارهای مختلف و توابع تحریکمختلف79
جدول4-11 مقادیر R2و RMSE مربوط به مدل M3در تکرارهای مختلف و توابع تحریکمختلف79
جدول4-12- ویژگی های مربوط به ساختار بهینه شبکه عصبی برای سایر خوزه های آبخیز 83
فهرست شکل ها
عنوان صفحه
شکل:1-1- شبکه عصبی 16
شکل 1-2- یک نرون منفرد با یک تابع عملگر Sشکل 18
شکل1-3- عملکرد یک شبکه عصبی 19
شکل1-4- ساختار یک شبکه عصبی مصنوعی 3 لایه 19
شکل 1-5- الگوریتم شبیه سازی با شبکه عصبی مصنوعی 22
شکل 1-6- ساختار یک شبکه عصبی مصنوعی پیشرو 23
شکل 1-7- شبکه عصبی پس انتشار BP با یک لایه پنهان 25
شکل 1-8- تابع سیگموئید باینری با محدوده تغییرات بین 0 و 1 25
شکل 1-9- تابع سیگموئید دو قطبی با محدوده تغییرات بین 1- و1 26
شكل 1- 10- ساختار پرسپترون چندلایه با نرونهای پنهان tansigو نرونهای خروجی با تابع خطی31
شکل 1-11- شبکه عصبی زیستی 34
شکل1-11- تناظر بین شبکه عصبی زیستی و شبکه عصبی مصنوعی 34
شکل3-1- موقعیت ایستگاه های مورد مطالعه بر روی نقشه استان فارس 55
شکل 3-2- اولین پنجره پس از شروع مدل 59
شکل3-3- شروع شبکه آموزش 60
شکل 3-4- طراحی و تعریف شبکه 60
شکل 3-5- تابع استفاده شده 61
شکل3-6- تعریف فایل های ورودی و خروجی 62
شکل 3-7- تعریف پارامتر های مختلف شبکه عصبی 63
شکل 3-8- نمایش روند محاسبات 65
شکل 4-1- نمایش روند محاسبات با تابع گوسین 72
شکل 4-2- نمودار تغییرات خطا بر حسب تعداد تکرار در مرحلهی آموزش با تابع گوسین 72
شکل 4-3- همبستگی دبی مشاهداتی و پیش بینی در مرحلهی آموزش با تابع گوسین با
ساختار1-2-3 73
شکل 4-4- مقادیر دبی مشاهداتی و پیش بینی شده در مرحلهی آموزش با تابع گوسین 73
شکل 4-5- نمایش روند محاسبات با تابع گوسین 76
شکل 4-6- نمودار تغییرات خطا بر حسب تعداد تکرار در مرحلهی آموزش با تابع گوسین 77
شکل 4-7- همبستگی دبی مشاهداتی و پیش بینی در مرحلهی آموزش با تابع گوسین با
ساختار1-2-3 77
شکل 4-8- مقادیر دبی مشاهداتی و پیش بینی شده در مرحلهی آموزش با تابع گوسین 78
شکل 4-9- نمایش روند محاسبات با تابع گوسین 81
فرم در حال بارگذاری ...
[پنجشنبه 1398-06-28] [ 09:20:00 ب.ظ ]
|