ترکیب روش شبکه‌های عصبی مصنوعی و مدل هیدرودینامیکی برای پیش‌بینی دقیق‌تر جریان رودخانه

Authors

  • ناجیل جورح رایت استاد گروه عمران دانشگاه تاتینگهام انگلستان
Abstract:

در این تحقیق کاربرد روش سیستم عصبی مصنوعی در کاهش خطای مدل هیدرودینامیکی برای پیش‌بینی جریان رودخانه مورد بررسی قرارگرفته است. منطقه مورد مطالعه حوزه رینولدز کریک در جنوب غربی ایالت آیداهو در ایالات متحده آمریکا می‌باشد که دارای وسعتی معادل 239 کیلومتر مربع و اقلیم نیمه خشک است و به علت تغییرات بیش از حد بارندگی در نقاط مختلف این حوزه جریان رودخانه شدیداً متغیر است. در این تحقیق پس از کالیبراسیون و به کاربردن یک مدل هیدرودینامیکی یک بعدی برای پیش‌بینی وضعیت جریان در نقطه‌ای در پایین‌دست رودخانه یک مدل سیستم عصبی مصنوعی به عنوان پیش‌بینی کننده خطای مدل هیدرودینامیکی مورد استفاده قرار گرفت. با پیش‌بینی این خطا نتایج مدل هیدرودینامیکی به میزان قابل توجهی به مقادیر واقعی نزدیک‌تر شد. لازم به ذکر است که قبل از کاربرد ترکیبی این دو روش (مدل هیدرودینامیکی و سیستم عصبی مصنوعی) هر یک از این روش‌ها به تنهایی مورد استفاده قرار گرفته و نتایج حاصل از مقادیر واقعی مقایسه گردیده بود. نتایج حاصل از کاربرد ترکیبی این مدل از کیفیت به مراتب بالاتری نسبت به کاربرد هر یک از آن‌ها به تنهایی برخوردار است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ترکیب روش شبکه های عصبی مصنوعی و مدل هیدرودینامیکی برای پیش بینی دقیق تر جریان رودخانه

در این تحقیق کاربرد روش سیستم عصبی مصنوعی در کاهش خطای مدل هیدرودینامیکی برای پیش بینی جریان رودخانه مورد بررسی قرارگرفته است. منطقه مورد مطالعه حوزه رینولدز کریک در جنوب غربی ایالت آیداهو در ایالات متحده آمریکا می باشد که دارای وسعتی معادل 239 کیلومتر مربع و اقلیم نیمه خشک است و به علت تغییرات بیش از حد بارندگی در نقاط مختلف این حوزه جریان رودخانه شدیداً متغیر است. در این تحقیق پس از کالیبراسیو...

full text

تولید مصنوعی جریان رودخانه با استفاده از شبکه‌های عصبی مصنوعی

در این مطالعه قابلیت مدل‎های شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی می‌شود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه‌ عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سری‌های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با ...

full text

ترکیب روش هوش مصنوعی و مدل هیدرودینامیکی برای مدلسازی و پیش بینی جریان رودخانه (مطالعه ی موردی: رودخانه ی فیروزه- شاهجوب بجنورد)

در این تحقیق کاربرد روش سیستم عصبی مصنوعی در کاهش خطای مدل هیدرودینامیکی برای پیش بینی جریان رودخانه مورد بررسی قرار گرفته است. منطقه ی مورد مطالعه حوزه ی آبخیز رودخانه ی فیروزه- شاهجوب واقع در استان خراسان شمالی، شهرستان بجنورد می باشد که دارای وسعتی به اندازه ی 1233 کیلومتر مربع است. داده های دبی روزانه در دو ایستگاه، فیروزه در بالادست و باباامان در پایین دست از سال های 53-1352 تا 65-1364 موج...

15 صفحه اول

پیش‌بینی جریان روزانه رودخانه اهرچای با استفاده از مدل قوانین M5 و مقایسه آن با شبکه‌های عصبی مصنوعی المانی (ENN)

برآورد صحیح آبدهی رودخانه‌ها یکی از موارد مهم در پیش‌بینی خشکسالی، سیلاب، طراحی سازه­‌های آبی، بهره‌برداری از مخازن سدها و کنترل رسوب می‌باشد. از این‌رو متخصصان علوم مهندسی آب جهت برآورد دقیق جریان، از روش‌های هوشمند مانند شبکه‌های عصبی مصنوعی و روش‌های مختلف داده‌کاوی بهره گرفته‌اند. در این مطالعه، جهت پیش­بینی جریان روزانه رودخانه اهرچای، از روش­های شبکه عصبی مصنوعی المانی (ENN) و قوانین درخت...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 15  issue 1

pages  10- 20

publication date 2004-05-01

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