روندیابی سیل رودها با بهره وری از شبیه های شبکه ی عصبی مصنوعی تکاملی
نویسندگان
چکیده
یکی از روش های پیش بینی سیل در رودخانه ها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل می باشد. امروزه تکنیک جدید استفاده از مدل شبکه های عصبی مصنوعی تکاملی(eann) که مبتنی بر هوش مصنوعی می باشد، کاربرد گسترده ای در زمینه های مختلف علمی به ویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه کارون، بازه اهواز- فارسیات، با استفاده از مدل های شبکه عصبی مصنوعی تکاملی پیش رونده (ff)، پرسپترون چندلایه (mlp) وتوابع شعاعی (rbf) پرداخته شد. برای تعیین تعداد و تاخیر زمانی موثر داده های ورودی در مدل های شبکه عصبی مصنوعی از روش همبستگی عرضی خطی(linear cross correlation) بین سری های زمانی ورودی ها و خروجی ها استفاده شد. با استفاده از الگوریتم ژنتیک ساختار مدل های شبکه عصبی مصنوعی از نظر تعداد گره ها در لایه پنهان شبکه های عصبی مصنوعی بهینه گردید. نتایج نشان می دهد که روش همبستگی عرضی به خوبی تعداد و تاخیر زمانی موثر داده های ورودی را تعیین می نماید. علاوه بر این مقایسه خروجی مدل ها با مقادیر واقعی نشان می دهد که مدل mlp انتخاب شده نسبت به مدل هایmike11 و ماسکینگام از توانایی، انعطاف پذیری و دقت بیشتری در پیش بینی و روندیابی سیلاب در رودخانه کارون برخوردار می باشد.
منابع مشابه
تخمین ضریب بهره وری ماشین حفر تونل(TBM) با استفاده از شبکه عصبی مصنوعی
پیش بینی سرعت پیشروی ماشین های حفر تونل ،به منظور تعیین برنامه زمانی و برآورد هزینه های اجرایی در پروژه های تونل سازی با حفر مکانیزه،از اهمیت زیادی برخوردار است.برای این منظور لازم است تا ضریب بهره وری ماشین حفر تونل مشخص شده تا بر اساس آن سرعت پیشروی ماشین تعیین شود.اگر چه روابط تجربی متعددی د راین زمینه ارائه شده اند ولی این روابط از دقت بالایی برخوردار نیستند.هدف از انجام این مطالعه تعیین ضر...
متن کاملپیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی
رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک میشود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...
متن کاملتخمین ضریب بهره وری ماشین حفر تونل(tbm) با استفاده از شبکه عصبی مصنوعی
پیش بینی سرعت پیشروی ماشین های حفر تونل ،به منظور تعیین برنامه زمانی و برآورد هزینه های اجرایی در پروژه های تونل سازی با حفر مکانیزه،از اهمیت زیادی برخوردار است.برای این منظور لازم است تا ضریب بهره وری ماشین حفر تونل مشخص شده تا بر اساس آن سرعت پیشروی ماشین تعیین شود.اگر چه روابط تجربی متعددی د راین زمینه ارائه شده اند ولی این روابط از دقت بالایی برخوردار نیستند.هدف از انجام این مطالعه تعیین ضر...
متن کاملبررسی و تحلیل هیدروگراف های سیلاب و روندیابی سیل با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی : رودخانه مارون )
در دهه های اخیر مطالعه و بررسی روندیابی سیل در رودخانه ها به منظور کاربرد در مسائل مهندسی رودخانه اهمیت زیادی داشته است. در کشور ما نیز با وجود طرح های مختلف و اهمیت آن ها در زمینه ساماندهی رودخانه ها و کنترل سیلاب، تاسیس مخازن آبی و غیره، ضرورت مطالعه در این زمینه احساس می شود. همچنین احداث سازه های کنترل کننده نظیر سد، علاوه بر اینکه توزیع نابرابر زمانی و مکانی آب را تغییر می دهد، نقش موثری د...
پیشبینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)
با توجه به کمبود ایستگاههای اندازهگیری در کشور، لزوم استفاده از مدلهای تجربی برآورد دبی حداکثر لحظهای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیشبینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبیهای متوسط حداکثر روزانه و بارشهای متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
فصلنامه علمی - پژوهشی مهندسی منابع آبناشر: دانشگاه آزاد اسلامی واحد مرودشت
ISSN 2008-6377
دوره 3
شماره 5 2010
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023