ارزیابی عدم قطعیت مدل‌های ANN و ANFIS در تخمین جریان ورودی به سد رئیس‌علی دلواری

Authors

  • روح اله نوری استادیار مهندسی محیط‌زیست، دانشکده تحصیلات تکمیلی محیط‌زیست، پردیس فنی، دانشگاه تهران، تهران، ایران
  • علی اسکندری مربی مهندسی عمران، گروه مهندسی عمران، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران(مسئول مکاتبات)
  • فریماه سعیدی کارشناس مهندسی محیط‌زیست، دانشکده تحصیلات تکمیلی محیط‌زیست، پردیس فنی، دانشگاه تهران، تهران، ایران
Abstract:

زمینه و هدف: اطلاع دقیق از کمیت آب جاری در رودخانه‌ها تاثیر فراوان بر مدیریت کمی و کیفی منابع آب در جوامع وابسته با آن دارد. در این راستا هدف تحقیق حاضر ارزیابی عدم قطعیت در فرآیند تخمین جریان رودخانه شاپور، ورودی به سد رئیس‌علی دلواری، واقع در استان بوشهر می‌باشد. روش بررسی: برای تخمین جریان ماهانه ورودی به سد رئیس‌علی دلواری از مدل‌‌های هوش مصنوعی شبکه عصبی مصنوعی (ANN) و سیستم استنتاج نروفازی تطبیقی (ANFIS) استفاده گردید. همچنین به منظور بهبود استفاده از نتایج این مدل‌ها در تصمیمات مدیریتی در بخش آب، تعیین عدم قطعیت هر یک از آن‌ها در فرآیند مدل‌سازی جریان انجام شد. در این راستا از نتایج شبیه‌سازی شده در اجرای هر مدل تحت الگوهای متفاوتی از داده‌های واسنجی، استفاده و برای ارزیابی عدم قطعیت هر مدل نیز از دو شاخص عرض محدوده اطمینان (d-factor) و 95 درصد عدم قطعیت پیش‌بینی‌ها واقع شده در این محدوده (95PPU) استفاده گردید. یافته‌ها: مطابق نتایج به دست آمده از مدل‌های ANN و ANFIS بهینه اجرا شده، مشخص گردید که اگر چه مقادیر آماره‌های ضریب تعیین (R2) و قدرمطلق میانگین خطاها (MAE) برای هر دو مدل از مقادیر مناسبی برخوردار بودند، اما عملکرد آن‌ها در برخی نقاط با دبی بالا با خطای قابل توجهی همراه بود. همچنین با بررسی نتایج عدم قطعیت مدل‌ها مشخص شد مدل ANFIS با مقدارd-factor کم‌تر و مقدار شاخص 95PPU بزرگ‌تر، از عدم قطعیت کم‌تری نسبت به مدل ANN برخوردار بود. بحث و نتیجه‌گیری: با توجه به عملکرد تقریباً یکسان هر دو مدل ANN و ANFIS در مراحل واسنجی و صحت‌سنجی، می‌توان مدل ANFIS را به عنوان مدل بهینه تخمین جریان ماهانه ورودی به سد رئیس‌علی دلواری به دلیل دارا بودن عدم قطعیت کم‌تر پیشنهاد نمود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی عدم قطعیت تغییراقلیم و اثرات آن بر احتمال تواتر آبدهی ورودی سد جامیشان

به منظور ارزیابی عدم قطعیت تغییر اقلیم بر آبدهی ورودی به سد جامیشان واقع در شمال شرقی استان کرمانشاه، ابتدا تغییرات پارامترهای دما و بارش منطقه در دوره‌های 2020-2039 و 2040-2059 با استفاده از مدل ترکیبی حاصل از میانگین وزنی خروجی هفت مدل اقلیمی تحت سه سناریو انتشار A1B، B1 و A2 محاسبه شد، سپس داده‌های بارش و دمای روزانه محاسبه شده برای دوره‌های آتی تحت هرسناریو به مدل بارش-رواناب روزانه IHACRES...

full text

ارزیابی عدم قطعیت تغییراقلیم و اثرات آن بر احتمال تواتر آبدهی ورودی سد جامیشان

به منظور ارزیابی عدم قطعیت تغییر اقلیم بر آبدهی ورودی به سد جامیشان واقع در شمال شرقی استان کرمانشاه، ابتدا تغییرات پارامترهای دما و بارش منطقه در دوره های 2020-2039 و 2040-2059 با استفاده از مدل ترکیبی حاصل از میانگین وزنی خروجی هفت مدل اقلیمی تحت سه سناریو انتشار a1b، b1 و a2 محاسبه شد، سپس داده های بارش و دمای روزانه محاسبه شده برای دوره های آتی تحت هرسناریو به مدل بارش-رواناب روزانه ihacres...

full text

تخمین هدایت هیدرولیکی و ارزیابی عدم قطعیت بین مدل‌ها و داده‌های ورودی توسط متوسط‌گیری بیزین از مدل‌های هوش مصنوعی

تخمین هدایت هیدرولیکی از مهمترین بخش‌های مطالعات هیدروژئولوژی بوده که در مدیریت آب‌های زیرزمینی حائز اهمیت است. اما به علت محدودیتهای عملی، زمانی و یا هزینه‌ای، اندازه گیری مستقیم آن با دشواری همراه است. لذا استفاده از مدلهای هوش مصنوعی با صرف هزینه کم و کارایی بالا میتوانند جایگزین مناسبی برای این منظور باشند. از آنجا که داده‌های ورودی (شامل مقاومت عرضی، ضخامت آبخوان، هدایت الکتریکی و فاصله اق...

full text

مقایسه مدلهای خودهمبسته شبکه عصبی مصنوعی دینامیک و استاتیک در پیش بینی جریان ماهانه ورودی به مخزن سد دز

در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیش­بینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج  به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل‌های استاتیک و دینامیک در شبکه‌های عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می‌باشد. در این تحقیق آبدهی های ماهانه بین ...

full text

تخمین عدم قطعیت اندازه‌گیری در آزمایشات

 مقدمه  امروزه نتایج آزمون و کالیبراسیون‌هایی که در آزمایشگاه انجام می‌شود؛ بسیار حائز اهمیت است. به‌منظور حصول اطمینان از اعتبار و کیفیت نتایج به‌دست آمده در آزمایشگاه‌های کالیبراسیون و تأیید صلاحیت شده، می‌توان از مفاهیم و ابزارهایی همچون عدم قطعیت اندازه‌گیری و تضمین کیفیت نتایج استفاده کرد. عدم قطعیت نتیجه اندازه‌گیری از دانش ناقص ما از مقدار نتیجه آزمون و عوامل تأثیرگذار بر آن تشکیل می‌شود...

full text

نقش عدم قطعیت پیش‌بینی جریان ورودی در بهره‌برداری بهینه از مخازن

در این مقاله انواع مدل‌های برنامه‌ریزی پویای استوکاستیک (SDP)1 و همچنین برنامه‌ریزی پویای قطعی (DP)2 برای سد مخزنی چندمنظوره دز واقع در جنوب غربی ایران ارائه و مقایسه شده‌اند. ارزیابی نقش پیش‌بینی جریان ورودی در بهره‌برداری بهینه از مخازن، با استفاده از دو نوع مدل برنامه‌ریزی پویای استوکاستیک صورت گرفته است. مدل‌های SDP از نظر نوع متغیر حالت جریان ورودی و به‌کارگیری احتمال...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 21  issue 7

pages  31- 47

publication date 2019-09-23

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