ارزیابی ارتباط زمانی خشکسالی‌های هواشناسی و آبشناسی با کاربرد برنامه‌ریزی‌های ژنتیک (GP) و سامانه‌ی استنتاج تطبیقی عصبی- فازی (ANFIS) در حوضه‌ی آبخیز صوفی‌چای

Authors

  • احمد فاخری فرد استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
  • سهیلا زارعی فارغ التحصیل کارشناسی ارشد منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
Abstract:

پیش‌بینی پدیده‌هایی نظیر خشکسالی، که گاهی آثار زیان بار آنها جبران پذیر نیست، یکی از مهمترین مسائل برای محققان بوده است. در این پژوهش با بهره‌وری از داده‌های بارش و جریان­های ماهانه‌ی40 ساله (1349-1388) در حوضه‌ی آبخیز صوفی‌چای واقع در استان آذربایجان شرقی، دوره‌های خشکی مربوط به هر گروه داده بارش و جریان، با کاربرد روش رژیم بهنجار ماهانه استخراج گردید، سپس ارتباط زمانی بین خشکسالی­های هواشناسی و آبشناسی با کاربرد روش­های هوش مصنوعی نظیر GP و ANFIS بررسی شد تا با استفاده از شبیه مناسب­تر بتوان با داشتن خشکسالی­های هواشناسی، خشکسالی­های آبشناسی را از نظر زمان وقوعشان، قبل از رخدادن آنها پیش‌بینی کرد. دو روش مزبور با به‌بکارگیری آماره‌های مناسب، مانند ضریب همبستگی (r2)، مجذور میانگین مربعات خطا (RMSE) و میانگین مطلق انحرافات (MAD) ارزیابی شدند؛ نتایج نشان دادند که بین هر دو خشکسالی، در هر دو شبیه انتخاب شده، همبستگی بالایی با ضریب همبستگی در حدود 99/0 وجود دارد، که بیانگر نیکویی هر دو شبیه در ایجاد ارتباط زمانی بین خشکسالی­های هواشناسی و آبشناسی می‌باشد. با توجه به معیارهای خطا می‌توان نتیجه گرفت که می‌توان زمان رخدادن خشکسالی آبشناسی را با کاربرد روش ANFIS، و با آماره‌های 98/4 RMSE= و83/3 MAD= نسبت به شبیه GP با 437/6 RMSE= و 201/5 MAD=  با اطمینان بیش­تری پیش‌بینی کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی ارتباط زمانی خشکسالی های هواشناسی و آبشناسی با کاربرد برنامه ریزی های ژنتیک (gp) و سامانه ی استنتاج تطبیقی عصبی- فازی (anfis) در حوضه ی آبخیز صوفی چای

پیش بینی پدیده هایی نظیر خشکسالی، که گاهی آثار زیان بار آنها جبران پذیر نیست، یکی از مهمترین مسائل برای محققان بوده است. در این پژوهش با بهره وری از داده های بارش و جریان­های ماهانه ی40 ساله (1349-1388) در حوضه ی آبخیز صوفی چای واقع در استان آذربایجان شرقی، دوره های خشکی مربوط به هر گروه داده بارش و جریان، با کاربرد روش رژیم بهنجار ماهانه استخراج گردید، سپس ارتباط زمانی بین خشکسالی­های هواشناسی...

full text

طراحی مدل پیش‌بینی و ارزیابی ظرفیت نوآوری شرکت‌های دانش‌بنیان با رویکرد استنتاج فازی عصبی- تطبیقی(ANFIS)

      ارزیابی ظرفیت نوآوری شرکت‌های دانش بنیان و پیش‌بینی میزان ظرفیت نوآوری آن‌ها برای این شرکت‌ها بسیار حائز اهمیت است و تصمیم در خصوص انتقال یا بسط فناوری شرکت تابع میزان ظرفیت نوآوری است. هدف اصلی این تحقیق، طراحی مدل ارزیابی ظرفیت نوآوری شرکت‌های دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی است. سیستم استنتاج فازی عصبی - تطبیقی ([1]ANFIS) روش مناسبی برای حل مسائل غیرخطی است. ANFIS ترکیبی...

full text

بررسی امکان کاربرد سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) در برآورد بار رسوب معلق بابل‌رود

Sediment load estimation is one of the most important issues in rivers & dam reservoirs management and generally in water projects. Various empirical equations show that proper analytical or empirical method is not suggested for correct estimation of suspended sediment, yet. In the present study, to assessment of closer estimation to actual data of transported sediment in Ghoran Talar station l...

full text

مدل‌سازی بارش- رواناب با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR)

در این پژوهش، کارآیی سیستم فازی- عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی- رواناب را در یک حوضه به­درستی برقرار کند. بدین منظور برای پیش­بینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تأخیر زمانی بین آنها به­صورت روزانه طی دوره 32 سال آماری وارد م...

full text

بهره‌برداری بهینه کمی ـ کیفی از مخازن سدها با کاربرد مدل‌های استنتاج تطبیقی عصبی ـ فازی ANFIS و مدل بهینه‌سازی الگوریتم ژنتیک

در این نوشتار با تلفیق مدل‌های شبیه‌سازی کیفی مخزن و یک مدل بهینه‌سازی الگوریتم ژنتیک، سیاست‌های بهره‌برداری بهینه از مخزن سدها تدوین می‌شود. مدل شبیه‌سازی کیفی مورد استفاده در این تحقیق مدل استنتاج تطبیقی عصبی ـ فازی است، که در داخل فرایند بهینه‌سازی، وضعیت لایه‌بندی کیفی مخزن و همچنین کیفیت آب خروجی از دریچه‌ها را ارائه می‌دهد. در این تحقیق مدل کمی ـ کیفی بهینه‌سازی در افق بلندمدت، به یک مدل...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 21

pages  37- 50

publication date 2014-08-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023