بخشی از مقاله
چکیده
در کارهاي آبخیزداري به منظور مدیریت حوزه آبخیز اقدام به مدلسازي می شود چون انجام آزمایشات صحرایی در سطح ب سیار وسیع پر هزینه یا غیر م مکن می باشد. با توجه به اینک ه در مسایل مربوط به منابع طبیعی انتخاب مدلی که تا حد امکان به واقعیت موجود در حوزه نزدیک باشد بسیار مشکل می باشد و نیز با توجه به دقت و صحت شبکه هاي عص بی در مدلسازي تمایل زیادي براي استفاده از این روش در مسایل مربوط به آبخیزداري بوجود آمده اس ت. این شبکه ه ا پردازش کنن ده هاي موازي می باشند که داده هاي ورودي را در حین یادگیري، ذخیره و به ساختار شبکه منتقل می کنند.
هدف از این تحقیق ارائه روشی مبتنی بر یادگیري، تعمیم ده ی و تصمیم گیري در رابطه با رفتار پدیده هاي حاکم بر منابع طبیعی می باشد. در این مقاله روند استفاده از شبکه ها ي عصبی ، روش الگوریتم پس انتشار خطا، رو ش کار شبکه عصبی و چند مورد مطالعه مقایسه اي آورده شده است. نتایج اکثر مطالعات نشان می دهد که در مطالعات مقایسه اي صورت گرفته شبکه عصبی مصنوعی از دقت و کارایی خوبی ن سبت به سایر روش ها برخوردار بوده است.
-1 مقدمه
مدل، نمایش سادهاي از نمونه اصلی یک ساختار اس ت که همه ویژگیها و رفتار آن را دارا باشد. به این ترتیب، مدل هیدرولوژیکی ساختار ي است که بتواند با توجه به ویژگیهاي حوضه و عاملهاي موثر بر پدیده مورد نظر، تعامل و رفتار آن را با تقریب قابل قبولی نشان دهد. به بیان دیگر، با در اختیار گذاشتن اط لاعات لازم از حوضه و عوامل موثر بر پدیده، پیشبینی مناسبی از آن را به دست آورد - راجوکار و همکاران ، . - 2004 درآبخیزداري به منظور دستیابی به اه داف ذیل سعی می گردد مدلس ازي انجام شو د:
- آزمون فرضیه ها - انجام تحقیقات -
- برون یابی و استنتاج داده ها - ابزار تحلیلی -
- پیش بینی آینده - مدیریت حوزه آبخیز -
- کاهش هزینه هاي مط العه براي سامانه هاي پیچیده - انجام آزمایشا ت صحرایی در سطح وسیع بسی ار پر هزینه و یا غیر ممکن ا ست - سان، . - 19 98 دربسیار ي از کاربرد هاي مهندسی نیاز به مدلسازي و شبیه سازي معادلاتی چند متغیره و غیر خطی می باشد. یکی از روشهاي این کار استفاد ه از فرمولها و معادلات ریاضی کلاسیک است ولی در مسائل مربوط به من ابع طبیعی انتخاب مدلهایی که تا حد امکان به واقعیت مو جود حوزه نزدیک باشد بسیار مشکل است و در مواردي پدیده ها و رفتارهاي فیزیکی را نمی توان به فرم ریاضی بیا ن کرد ویا اینکه دقت و صحت لازم را ندارند ویا داراي محاس بات وقت گیر می باشند، در این موارد استفاده از روشها ي هوش محاسباتی - شبکه عصبی مصنوعی، منطق فازي و الگوریتم ژنتیک - می تواند مشکل گشا باشد - قدسیان، . - 1377
از جمله روشهاي کارآمد که امروزه استفاده فراوانی دارد، شبک ه عصبی مصنوعی - ANN - است که به عقیده متخصصان، علت اصلی مقبولیت و استفاده روزافزون آن، قدرت و سرعت بالا در شبیهسازي فرآیندهایی است که د رك و شناخت درستی از آن وجود نداشته و یا بررسی آنها با دیگر روشهاي موجود بسیار دشوار و وقت گیر میباشد. به زبان ساده، شبکه عصبی مصنوعی الگویی از مدل زیستشناختی یاختهها ي مغز است که از نظر ساختار طوري طرح م یگردد تا قادر باشد با دریافت اطلاعات ورودي و پردازش آنها بر اساس ارتباط تعریف شده، نتایج قابل قبولی از پدیده مو رد نظر را ارایه د هد - سلطانی، . - 1381
