توسعه مدل فازی- عصبی تطبیقی به منظور پیش بینی دبی بیشینه روزانه سیلاب با استفاده از بارش تراکمی پنج روزه
Authors
abstract
در فرایند بارش رواناب، عوامل بسیاری دخالت دارند که با عدم قطعیت همراه هستند. یکی از فاکتورهای بسیار مهم در این فرایند، رطوبت اشباع پیشین خاک است. یکی از روش هایی که به این پارامتر توجه دارد، روش ارائه شده توسط سازمان حفاظت خاک آمریکا به نام شماره منحنی است. در این روش، مجموع بارش های پنج روز پیش از رخداد دبی اوج سیل، به عنوان نماینده شرایط رطوبتی پیشین خاک در نظر گرفته می شود. با توجه به این که پدیده های طبیعی به دلیل دخالت تعداد زیادی از عوامل و پارامترها با عدم قطعیت همراه هستند، یکی از ابزارهای کارآمد در بررسی رفتار این پدیده ها، مدل های هوشمند فازی- عصبی تطبیقی هستند. از این رو در این پژوهش به بررسی اثر مجموع بارش های پنج روزه در پیش بینی دبی بیشینه روزانه سیلاب با استفاده از مدل های انفیس پرداخته شد. مدل مذکور با دو الگوریتم آموزشی پس انتشار و هیبرید آموزش دیده شد و سپس با استفاده از آزمون های آماری مختلف مورد بررسی قرار گرفت. نتایج، کارآمدی مدل انفیس به دست آمده را در بررسی ورودی بارش پنج روزه و خروجی دبی اوج سیل نشان داد. همچنین نتایج حاصل از روش هیبرید، عملکرد بهتری را نشان دادند. بهترین ضریب همبستگی برای مدل 5 روزه و به میزان 985/0 و ریشه میانگین مربعات خطا 162/0 در روش هیبرید بود.
similar resources
توسعه مدل فازی- عصبی تطبیقی به‌منظور پیش‌بینی دبی بیشینه روزانه سیلاب با استفاده از بارش تراکمی پنج روزه
در فرایند بارش رواناب، عوامل بسیاری دخالت دارند که با عدم قطعیت همراه هستند. یکی از فاکتورهای بسیار مهم در این فرایند، رطوبت اشباع پیشین خاک است. یکی از روش‌هایی که به این پارامتر توجه دارد، روش ارائه شده توسط سازمان حفاظت خاک آمریکا به نام شماره منحنی است. در این روش، مجموع بارش‌های پنج روز پیش از رخداد دبی اوج سیل، به‌عنوان نماینده شرایط رطوبتی پیشین خاک در نظر گرفته می‌شود. با توجه به این که...
full textبررسی قابلیت پارامتر Cprecip در منظور کردن اثر برف بر پیش بینی دبی روزانه رودخانه به وسیله شبکه عصبی و شبکه عصبی فازی
یکی از پارامترهای موثر در پیش بینی دبی خصوصاًدر حوضه‌های برفگیر، پارامتر برف می‌باشد. آب معادل برف متداول‌ترین پارامتری است که در مدل‌سازی جریان رودخانه‌ها، به منظور وارد کردن تأثیر برف در مدل استفاده می‌شود. در این مقاله سعی شده است با توجه به عدم دسترسی به پارامتر آب معادل برف در درصد قابل توجهی از حوضه‌ها، پارامترهای باران تجمعی و باران تجمعی مازندران جایگزین آب معادل برف شوند. پارامتر باران ...
full textطراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)
تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله با آن باشند. یکی از این راه کارها پیش بینی حجم ترافیک روزانه است. پیش بینی ترافیک به کنترل کننده ها کمک می کند ت...
full textتخمین هوشمند دبی روزانه با بهره گیری از سامانه استنباط فازی - عصبی تطبیقی
در سال های اخیر، استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققین قرار گرفته است. به همین دلیل، در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی - عصبی تطبیقی4) برای انجام فرآیند پیش بینی جریان استفاده شده است. در این تحقیق، از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوان چای برای پیش بینی جریان ...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه علمی- پژوهشی آب و فاضلابPublisher: مهندسین مشاور طرح و تحقیقات آب و فاضلاب
ISSN 1024-5936
volume 25
issue 4 2014
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023