مقایسه عملکرد دو تابع سیگموئید و تانژانت هیپربولیک شبکه عصبی مصنوعی در تحلیل منطقهای منحنی تداوم جریان در حوزه آبخیز دریاچه نمک
نویسندگان
1 بخش حفاظت خاک و آبخیزداری ، مرکز تحقیقات و آموزش کشاورز ی و منابع طبیعی استان مرکز ی، اراک، ایران
2 دکتری آبخیزداری و رئیس بخش فنی و مهندسی اداره کل منابع طبیعی استان مرکزی. اراک، ایران
doi
10.22034/iwm.2022.556822.1037چکیده
هدف این پژوهش ارزیابی شبکه عصبی مصنوعی در تحلیل منطقهای منحنی تداوم جریان با استفاده از دو تابع انتقال سیگموئید و تانژانت هیپربولیک در لایه مخفی و تابع انتقال خطی در لایه خروجی است. برای این منظور 33 حوزه آبخیز در محدوده دریاچه نمک قم با توجه به داشتن طول دوره آماری طولانی مدت25 ساله و حداقل فعالیتهای انسانی انتخاب گردیدند، دبیهای تداوم جریان بین 2 تا 92 درصد بهعنوان متغیرهای وابسته و متغیرهای فیزیوگرافی، هواشناسی و زمینشناسی بهعنوان متغیرهای مستقل در نظر گرفته شدند. با استفاده از تحلیل عاملی شش عامل مساحت، ارتفاع متوسط، طول آبراهه اصلی، تراکم زهکشی، درصد سازندهای نفوذپذیر و درصد اراضی مرتعی انتخاب شد. نتایج نشان داد در دبیهای 2، 10، 20، 25، 3/33، 50، 75، 90 و 92 درصد تابع سیگموئید در لایه پنهان بهترتیب با ضریب تبیین 88/0، 55/0، 78/0، 60/0، 80/0، 63/0، 58/0، 47/0 و 41/0؛ ریشه میانگین مربعات خطا 01/0، 92/1، 68/1، 11/1، 78/1، 98/0، 17/0، 21/0 و 21/0 مترمکعب بر ثانیه و ضریب کارایی ناش-ساتکلیف 89/0، 40/0، 97/0، 47/0، 84/0، 78/0، 70/0، 93/0 و 41/0 و در دبیهای 15 و 30 درصد تابع تانژانت هیپربولیک در لایه پنهان بهترتیب با ضریب تبیین94/0 و 80/0، ریشه میانگین مربعات خطا 40/0 و 16/1 مترمکعب درثانیه و ضریب کارآیی70/0 و 86/0 از دقت بالاتری برخوردار میباشند. بهطور کلی شبکه عصبی مصنوعی کارآیی بالایی در تخمین منحنی تداوم جریان دارد. نتیجه کلی نشان میدهد که شبکه عصبی مصنوعی از دقت بالایی در تحلیل منطقهای سیلاب دارد. متغیرهای به دست آمده از تجزیه و تحلیل عاملی برای شبکه با تابع انتقال سیگموئید بهخوبی پاسخ داد ولی این متغیرها برای شبکه با تابع انتقال تانژانت هیپربولیک بهدلیل عملکرد متفاوت این تابع نسبت به تابع سیگموئید به پاسخ مناسبی منجر نشد.