تاثیر توزیعهای احتمالاتی در افزایش دقت پیشبینی رسوب معلق با استفاده از شبکههای عصبی مصنوعی و سیستم استنتاج فازی-عصبی(مطالعه موردی: حوزه آبخیز سد دز)
Authors
Abstract:
توجه به ماهیت دادههای رسوب و انتخاب روشهای مناسب پردازش بر روی دادهها قبل از ورود به مدلهای هوش مصنوعی از جمله مواردی است که میتواند نتایج حاصل از شبیهسازیها را به واقعیت نزدیک سازد. در این تحقیق تأثیر روشهای پردازش دادههای رسوب قبل از ورود به دو مدل شبکههای عصبی مصنوعی و سیستمهای استنتاج فازی-عصبی در هفت ایستگاه حوضه سد دز مورد بررسی قرار گرفته است. بر این اساس با توجه به توزیعهای احتمالاتی حاکم بر دادهها سه سناریو در نظر گرفته شد. سناریوی اول بدون هیچگونه پردازش و با استفاده از اصل دادهها، سناریوی دوم، پردازش دادهها از طریق استانداردسازی و در سناریوی سوم با توجه به حاکمیت توزیعهای لگاریتمی بر دادههای رسوب، از لگاریتم دادهها استفاده گردید. نتایج شبیهسازیها در دو مدل، کارایی بهتر و خطای کمتر را در شرایط استفاده از لگاریتم دادهها به خصوص در ایستگاههایی که بهترین توزیعهای احتمالاتی آنها یکی از توزیعهای لگاریتمی میباشد، نشان دادند. درنهایت، مدل فازی عصبی با ضریب همبستگی 95/0، 4/5RMSE=، 4/1 MSE=و 42/0 ME= در ایستگاه بیاتون و در شرایط استفاده از لگاریتم دادهها بهترین عملکرد را نشان داد.
similar resources
استفاده از نظام استنتاج فازی در برآورد رسوب معلق (مطالعه موردی: حوزه آبخیز طالقان)
شبیهسازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم و کاربردی در مدیریت منابع آب میباشد. بررسی روابط تجربی و معادلات ریاضی ارائه شده نشان میدهد که هنوز روش تحلیلی یا تجربی مناسبی که براساس آن به برآورد درستی از میزان رسوبات حمل شده توسط رودخانه دست یافت، ارائه نشده است. به همین دلیل در این مطالعه به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان رسوبات حمل شده توسط رودخانهها، از داده...
full textارزیابی دقت برآورد میزان انتقال رسوب معلق در سدهای مخزنی توسط سیستم استنتاج فازی- عصبی وشبکه عصبی مصنوعی (مطالعه موردی :رودخانه سفیدرود-استان گیلان)
در تحقیق حاضر، هدف مقایسه تخمین بار رسوب معلق در سدهای مخزنی با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی می باشد. بررسیها توسط برنامه MATLAB انجام شده است و ورودی ها شامل دبی رودخانه سفید رود و خروجی، غلظت رسوب در گام زمانی بوده است.ورودی و خروجی رسوب دارای روند مثبت بوده و 80 درصد داده ها جهت آموزش و 20 درصد داده ها جهت آزمون شبکه مورد استفاده قرار گرفت. از تعداد 229 داده موجود ...
full textشبیهسازی بار رسوب معلق با استفاده از روشهای شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیلرود
در کشورهای در حال توسعه، بهعلت مشکلات مالی و فنی بهطور معمول دادههای رسوب اندکی اندازهگیری میشوند، لذا، مدلی که بتواند با استفاده از دادههای دبی آب، میزان بار رسوبی را برآورد کند، میتواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدلها در پیشبینی رسوب، این تحقیق با هدف ارائه مدل بهینه برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاههای هیدرومتری بالادست رودخانه ...
full textکارایی شبکههای عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی در مدلسازی بارش- رواناب در حوضه آبخیز سد زایندهرود
در دهههای اخیر بهدلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیشبینی رواناب از روی دادههای بارش به مسئلهای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشتهها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکههای عصبی مصنوعی است. در این تح...
full textبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
full text
مقایسه مدلهای شبکه عصبی مصنوعی و منحنی سنجه رسوب در شبیهسازی میزان رسوب معلق؛ مطالعه موردی حوزه آبخیز شاهرود
این پژوهش با هدف مقایسه کارآیی برخی مدلهای شبیهسازی میزان رسوب معلق شامل منحنی سنجه رسوب و شبکه عصبی مصنوعی و ارائه مدل بهینه بر اساس دبی جریان در حوزه آبخیز شاهرود و بر روی ایستگاههای هیدرومتری گلینک، باغکلایه، لوشان و رجائی دشت انجام شد. به منظور شبیهسازی میزان رسوب معلق از مدل منحنی سنجه رسوب یک خطی و مدلهای شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی بهره گرفته و سپس ارزیابی این مدل...
full textMy Resources
Journal title
volume 69 issue 2
pages 323- 338
publication date 2016-06-21
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