شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجی قوشان)
Authors
abstract
پیشبینی رواناب به صورت کوتاه مدت به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلابها، از اهمیت خاصی برخوردار است. در این تحقیق با استفاده از شبکههای عصبی مصنوعی ( ann ) و فازی عصبی تطبیقی ( anfis )، اقدام به شبیهسازی فرآیند بارش- رواناب به صورت روزانه، در حوزه آبخیز حاجیقوشان شده است. در این سیستمها سه ترکیب مختلف ورودی شامل بارندگی همان روز، بارندگی همان روز و روز قبل، بارندگی همان روز و روز قبل و دو روز قبل از آن، مورد استفاده قرار گرفت. هم چنین در شبکه anfis از توابع مختلف گوسی، گوسی نوع 2، مثلثی و زنگولهای استفاده شد و تعداد نرونهای لایه مخفی در شبکه عصبی بین 2 تا 10 نرون متغیر بود. معیارهای آماری متوسط ریشه مربع خطا ( rmse )، متوسط قدر مطلق خطا ( mae ) و ضریب همبستگی ( r ) برای ارزیابی و مقایسه عملکرد شبکههای عصبی مصنوعی و مدل anfis در پیشبینی رواناب، مورد استفاده قرار گرفت. مدل anfis با 11/7 rmse= ، 18/2 mae= و 60/0 r= نسبت به مدل ann با 03/6 rmse= ، 97/1 mae= و 39/0 r= ، فرآیند بارش- رواناب را با دقت بالاتری پیشبینی نموده است.
similar resources
شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجیقوشان)
full text
شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)
برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...
full textمدلسازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان
Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...
full textمدل سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان
مدلسازی فرآیند بارش - رواناب و پیشبینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلابها، طراحی سازههای آبی در حوزههای آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیهسازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روشهای هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین دادههای ورودی و خروجی میباشند. در این تحقیق از آمار بارش، تبخیر ...
full textشبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)
سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیشبینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...
full textشبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی
This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...
full textMy Resources
Save resource for easier access later
Journal title:
پژوهشنامه مدیریت حوزه آبخیزجلد ۴، شماره ۸، صفحات ۱۲۰-۱۳۶
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023