پیش‌بینی سطح ایستابی با استفاده از سریهای زمانی و سیستم استنباط فازی ـ عصبی تطبیقی
Authors
abstract
مدل سازی در مناطق خشک برای مدیریت بهینة منابع آب اهمیت ویژه ای دارد. آب زیرزمینی از مهم ترین منابع آبی در مناطق خشک محسوب می شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل های سری زمانی در پیش بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش بینی یک ماه بعد سطح آبهای زیرزمینی دشت شیراز شد. بهترین ترکیب ورودی و طول داده های آموزشی و صحتسنجی در مدل انفیس با استفاده از آزمون گاما و m برآورد شد. عملکرد مدل‌های مختلف با پارامترهای خطا و دیاگرام تیلر مقایسه شد. نتایج مدل انفیس نشان داد که این مدل با تابع عضویت π شکل عملکرد بهتری نسبت به بقیة توابع عضویت دارد (241/1 rmse= و 953/0 mae=). مقایسة عملکرد مدل ها، حاکی از کارایی بسیار مناسب مدل خطی arima (2,1, 2) نسبت به مدل انفیس با توابع عضویت مختلف است (325/0 rmse= و 241/0 mae=). .
similar resources
پیش‌بینی سطح ایستابی با استفاده از سریهای زمانی و سیستم استنباط فازی‌ـ عصبی تطبیقی
مدل‌سازی در مناطق خشک برای مدیریت بهینة منابع آب اهمیت ویژه‌ای دارد. آب زیرزمینی از مهم‌ترین منابع آبی در مناطق خشک محسوب می‌شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل‌های سری زمانی در پیش‌بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل‌های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش‌بینی یک ماه بعد سطح آبهای زیرزمینی دشت شیراز شد. بهترین ت...
full textپیش‌بینی بارش فصلی بر اساس الگوهای سینوپتیکی با استفاده از سیستم استنباط فازی- عصبی تطبیقی((ANFIS
full text
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 textبرآورد ضریب زبری بستر کانال‌های خاکی با استفاده از روش‌های شبکه‌های عصبی مصنوعی و سیستم‌های استنباط فازی عصبی-تطبیقی
برآورد ضریب زبری در طراحی کانال‌های خاکی از اهمیت زیادی برخوردارمی باشد. این مساله حتی در مدل سازی عددی پدیده انتقال رسوب دارای اهمیت به سزایی می‌باشد. به همین منظور، تاکنون روش های تجربی زیادی برای تخمین زبری در کانال ها ارائه شده است که غالبا دارای خطای زیادی در تخمین پارامتر مورد نظر می باشند. بنابراین، در این مقاله با استفاده از روش‌های ابزار محاسبات نرم مبتنی بر شبکه‌های عصبی مصنوعی و سیست...
full textپیش بینی بارش فصلی بر اساس الگوهای سینوپتیکی با استفاده از سیستم استنباط فازی- عصبی تطبیقی((anfis
full text
تخمین ضریب رواناب رگبار با استفاده از سیستم استنباط فازی- عصبی تطبیقی (anfis) در حوزه آبخیز بار اریه نیشابور
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 ...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات آب و خاک ایرانPublisher: پردیس کشاورزی و منابع طبیعی دانشگاه تهران
ISSN 2008-479X
volume 45
issue 1 2014
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023