مدلسازی نوسان های ماهانۀ آب زیرزمینی به وسیلۀ تبدیل موجک و شبکۀ عصبی پویا

Authors

طاهر رجایی

هادی ابراهیمی

abstract

مدلسازی نوسان های زمانی آب زیرزمینی، در مدیریت حوزه‏‏های آبریز و ایجاد تعادل در عرضه و تقاضای آب اهمیت زیادی دارد. در سال‏های اخیر استفاده از تحلیل موجک برای تجزیۀ سری‏های زمانی و ترکیب آن با شبکه‏های عصبی به صورت گسترده‏ای در مدلسازی پدیده‏های هیدرولوژیکی به ­کار رفته ‏است. در این تحقیق، توانایی مدل ترکیبی موجک- شبکۀ عصبی پویا برای پیش‏بینی یک ماه آیندۀ عمق آب زیرزمینی ارزیابی شده و این مدل با مدل‏های شبکۀ عصبی و رگرسیون خطی چندمتغیره مقایسه شده ‏است. داده‏های استفاده شده برای تشکیل مدل‏ها فقط عمق آب زیرزمینی ماهانه است که در دو پیزومتر واقع در دشت قم به مدت ده سال اندازه‏گیری شده ‏است. نتایج نشان داد عملکرد مدل شبکۀ عصبی چندان رضایت­بخش نیست. مدل رگرسیون خطی چندمتغیره نیز نتایج دقیقی نداشت و مقدار پیش بینی شده با این مدل در اکثر موارد بیشتر از مقدار واقعی بود، در‏حالی‏که مدل ترکیبی موجک- شبکۀ عصبی با استفاده از موجک مادر meyer با دو سطح تجزیه، توانست یک ماه آینده را با ضریب های نش 993/0 و 974/0 به ترتیب برای پیزومترهای 1 و 2 پیش­بینی کند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدلسازی نوسان‌های ماهانۀ آب زیرزمینی به‌ وسیلۀ تبدیل موجک و شبکۀ عصبی پویا

مدلسازی نوسان‌های زمانی آب زیرزمینی، در مدیریت حوزه‏‏های آبریز و ایجاد تعادل در عرضه و تقاضای آب اهمیت زیادی دارد. در سال‏های اخیر استفاده از تحلیل موجک برای تجزیۀ سری‏های زمانی و ترکیب آن با شبکه‏های عصبی به‌صورت گسترده‏ای در مدلسازی پدیده‏های هیدرولوژیکی به‌­کار رفته ‏است. در این تحقیق، توانایی مدل ترکیبی موجک- شبکۀ عصبی پویا برای پیش‏بینی یک ماه آیندۀ عمق آب زیرزمینی ارزیابی شده و این مدل با...

full text

مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل­سازی­ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه­سازی و یا به بیان دی...

full text

تشخیص خودکار خوشه های میکروکلسیفیکاسیون به کمک تبدیل موجک و شبکه های عصبی

در این مقاله، یک سیستم CAD به منظور شناسایی و تشخیص خوشه های میکروکلسیفیکاسیون در تصاویر ماموگرافی معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، تبدیل موجک روی تصاویر ماموگرافی اعمال شده و دو ضریب موجک به همراه دو ویژگی آماری به عنوان ویژگی های متمایز کننده پیکسل ها از نظر تعلق به یک دانه میکروکلسیفیکاسیون استخراج می گردد. سپس با استفاده از یک شبکه عصبی، دسته بندی ...

full text

شبیه سازی نوسانات سطح آب زیرزمینی با استفاده از ترکیب ماشین بردار پشتیبان و تبدیل موجک

امروزه در بسیاری از کشورهای جهان، به ویژه در مناطقی که با کمبود آب‌های سطحی مواجه هستند، بهره­برداری از منابع آب زیرزمینی بیش از پیش مورد توجه قرار گرفته است. بهره­برداری بی­رویه از این منابع، بدون بهره­گیری از مطالعات منابع آب زیرزمینی می­تواند مشکلات و پیامدهای جبران‌ناپذیری را به­بار آورد. مدیریت صحیح این منابع با شناخت کامل و آگاهی از این منابع امکان­پذیر است. در این تحقیق از مدل ماشین بردا...

full text

مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل­سازی­ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه­سازی و یا به بیان دی...

full text

ارزیابی ترکیب ANFIS با تبدیل موجک برای مدل سازی و پیش ‌بینی سطح آب زیرزمینی

One of the most important factors, in a good management in any field, is having a proper perspective of the upcoming events. There is no exception in water resources management and the environment and awareness of the condition of water resources, in an area, plays a decisive role for planning water and agriculture. In this study, the Adaptive Neural Fuzzy Inference System (ANFIS) was used for ...

full text

My Resources

Save resource for easier access later


Journal title:
مدیریت آب و آبیاری

Publisher: دانشگاه تهران

ISSN 2251-6298

volume 4

issue 1 2014

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023