تخمین ضریب رواناب رگبار با استفاده از سیستم استنباط فازی- عصبی تطبیقی (anfis) در حوزه آبخیز بار اریه نیشابور
Authors
abstract
فرآیند بارش - رواناب و ایجاد سیلاب از پدیده های هیدرولوژیکی هستند که بررسی آنها به سبب تأثیرپذیری از پارامترهای مختلف، دشوار می باشد. تاکنون روش ها و الگو های مختلفی برای تحلیل این پدیده ها ارائه شده است. از این رو هدف این پژوهش ارزیابی شبکه عصبی-فازی تطبیقی در پیش بینی ضریب رواناب رگبار است. به این منظور حوزه آبخیز بار اریه نیشابور انتخاب و داده های مربوط به 33 واقعه در بین سال های آماری 1331 تا 1385 جمع آوری گردید. به منظور انتخاب متغیرهای مستقل در برآورد ضریب رواناب از تجزیه و تحلیل عاملی استفاده شد، که براساس آن چهار متغیر مقدار متوسط بارندگی، چارک سوم، اول و چهارم شدت بارندگی و همچنین پنج متغیر شاخص ( φ) و چارک های اول تا چهارم شدت بارش به عنوان عوامل اصلی برگزیده شدند. همچنین ترکیب سایر متغیرها براساس نقش هیدرولوژیکی آنها، به عنوان ورودی شبکه مدنظر قرار گرفت. نتایج نشان داد که شبکه با ورودی چارک های اول تا چهارم شدت بارندگی، مقدار کل بارش و شاخص φ و بارش پنج روز قبل ضریب رواناب رگبار را با ضریب تبیین آزمون 91/0 و ریشه میانگین مربعات خطا 02806/0 و متوسط قدر مطلق خطا 0275/0 پیش بینی کند.
similar resources
تخمین ضریب رواناب رگبار با استفاده از سیستم استنباط فازی- عصبی تطبیقی (ANFIS) در حوزه آبخیز بار اریه نیشابور
The rainfall-runoff process and flooding are hydrological phenomena that are difficult to study due to the influence of different parameters. So far, different methods and models have been provided to analyze these phenomena. The purpose of this study is evaluation of adaptive neuro-fuzzy inference system (ANFIS) for storm runoff coefficient forecasting. To that end, Barariyeh watershed was cho...
full textتخمین ضریب روان آب رگبار در حوزه آبخیز بار نیشابور با استفاده از شبکه عصبی مصنوعی
استفاده از روش های تجربی مختلف برای برآورد روان آب سطحی در حوزه های آبخیز فاقد ایستگاه هیدرومتری اجتناب ناپذیر است. یکی از پارامترهای مهم موجود در اغلب این روش ها ضریب روان آب است. با به دست آوردن دقیق ضریب روان آب سطحی، برآورد صحیح روان آب سطحی و دبی حداکثر سیلاب ها امکان پذیر می گردد. یکی از پرکاربردترین مدل ها در برآورد و پیش بینی پدیده های هیدرولوژیکی شبکه عصبی مصنوعی است که به دلیل مزیت ها...
15 صفحه اولتخمین دبی اوج سیلاب و حجم رواناب رگبار با استفاده از شبکه عصبی- فازی تطبیقی (مطالعه موردی: حوزه آبخیز کسیلیان)
Prediction of flood peak discharge and runoff volume is one of the major challenges in the management of watersheds. The present study was carried out to estimate event flood peak discharge and runoff volume using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) in Kasilian watershed, Iran. For this purpose, 15 rainfall characteristics were considered for 6...
full textپیش‌بینی بارش فصلی بر اساس الگوهای سینوپتیکی با استفاده از سیستم استنباط فازی- عصبی تطبیقی((ANFIS
full text
تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی
تخمین ضریب اصطکاک در لوله‌ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه‌ای دارد. در تحلیل این‌گونه مسائل با دانستن ضریب اصطکاک، می‌توان تخمین دقیق‌تری از آنها به‌دست آورد. در این تحقیق به‌منظور تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه‌ای مورد استفاده قرار گرفت. برای آموزش و تست مد...
full textMy Resources
Save resource for easier access later
Journal title:
علوم آب و خاکجلد ۱۹، شماره ۷۳، صفحات ۱۶۵-۱۷۷
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023