بررسی کاربرد مدل های هوش محاسباتی در شبیه سازی و پیش بینی بهنگام جریان های سیلابی
نویسندگان
چکیده
در این تحقیق توانایی مدل های شبکه عصبی مصنوعی جهت شبیه سازی رفتار هیدرولوژیکی آب در حوزه های آبخیز مورد بررسی قرار گرفته است. هدف اصلی تحقیق بررسی کاربرد انواع مختلف شبکه های عصبی مصنوعی جهت شبیه سازی جریان در یک حوزه آبخیز با چند ایستگاه هیدرومتری و پیش بینی بهنگام جریان های سیلابی در پایین دست بوده است. منطقه مورد بررسی قسمت فوقانی رودخانه درونت (derwent) می باشد که یکی از شاخه های اصلی رودخانه ترنت (trent river)در ناحیه مرکزی انگلستان است. جریان سیلاب رودخانه 3، 6، 9 و 12 ساعت قبل از وقوع در محل ایستگاه هیدرومتری واتستندول (whatstandwell) با استفاده از داده های اندازه گیری شده در بالا دست پیش بینی گردیده است. سه نوع شبکه عصبی مختلف که عبارت اند از شبکه پرسپترون چند لایه(mlp network) ، شبکه برگشتی (recurrent network)و شبکه برگشتی با تأخیر زمانی(time lag recurrent network) به صورت جداگانه مورد استفاده و ارزیابی قرار گرفتند. هم چنین جهت بررسی تأثیر طول داده های ورودی در کارایی مدل های شبکه عصبی، شبیه سازی های مختلف با استفاده از داده های هیدرولوژیکی با طول و تعداد متفاوت مورد استفاده قرار گرفت. داده های با فاصله اندازه گیری 30 دقیقه ای با طول دوره های 1 ماه، 6 ماه و سه سال ( که تولید تعداد مشاهده های متفاوتی را می نماید) بدین منظور مورد استفاده واقع شد. براساس نتایج به دست آمده هرچند شبکه های عصبی مصنوعی به صورت عمومی و کلی کارایی مناسبی را در شبیه سازی و پیش بینی دبی جریان از خود نشان داده اند ولی نوع شبکه عصبی مصنوعی و نیز خصوصیات داده های ورودی مدل خصوصاً داده های آموزشی پارامترهای بسیار مهمی هستند که تأثیر عمده ای را روی خروجی های مدل دارند.
منابع مشابه
بررسی کاربرد مدل‌های هوش محاسباتی در شبیه سازی و پیش بینی بهنگام جریان‌های سیلابی
The potential of artificial neural network models for simulating the hydrologic behaviour of catchments is presented in this paper. The main purpose is the modeling of river flow in a multi-gauging station catchment and real time prediction of peak flow downstream. The study area covers the Upper Derwent River catchment located in River Trent basin. The river flow has been predicted (at Whatsta...
متن کاملبررسی کاربرد مدل‌های هوش محاسباتی در شبیه سازی و پیش بینی بهنگام جریان‌های سیلابی
The potential of artificial neural network models for simulating the hydrologic behaviour of catchments is presented in this paper. The main purpose is the modeling of river flow in a multi-gauging station catchment and real time prediction of peak flow downstream. The study area covers the Upper Derwent River catchment located in River Trent basin. The river flow has been predicted (at Whatsta...
متن کاملبهنگام سازی زمان واقعی در مدل پیش بینی سیل با بکارگیری روش عمومی عدم قطعیت تشابهات (GLUE) بخش دوم: کاربرد
متن کامل
یکپارچه سازی تکنیک های هوش مصنوعی جهت ارائه مدل پیش بینی قیمت سهام
اوراق بهادار روش مطمئنی است برای جلب اعتماد عمومی جهت سرمایه گذاری درانواع اوراق بهادار با خطرهای متفاوت است و با این روش می توان سرمایه های کوچک و پراکنده را که به تنهایی نمی توانند مورد بهره برداری قرار گیرند جمع آوری نمود از آنها سرمایه هنگفتی جهت توسعه و پیشرفت اقتصادی فراهم آورد. در بورس های اوراق بهادار حساسیت های زیادی نسبت به روند قیمت وجود دارد این امر باعث گردیده تا تحولات مرتبط با چن...
متن کاملکاربرد ترکیبی مدل State Spaceدر فرم ARIMAو روش شبیه سازی مونت کارلوبرای پیش بینی شاخص تپیکس
در این مطالعه به بررسی و تخمین پارامترها با استفاده از مدل State Space در فرم ARIMAپرداخته می‌شود . سپس با استفاده از پارامترهای تخمین زده شده و روش شبیه سازی مونت کارلو به عنوان ابزاری برای افزایش دقت پیش بینی فرآیندهای تصادفی، به پیش بینی برای کوتاه مدت، میان مدت و بلند مدت برای شاخص تپیکس پرداختیم که شامل 739 داده روزانه مربوط به 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و نیز ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
تولید محصولات زراعی و باغیجلد ۱۱، شماره ۴۰، صفحات ۲۷-۳۷
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023