تعیین قواعد بهره‌برداری از مخزن سد درودزن با استفاده از شبکه عصبی تطبیق‌پذیر مبتنی بر سیستم استنتاج فازی (ANFIS)
Authors
Abstract:
Nowadays, water resource management has been shifted from the construction of new water supply systems to the management and the optimal utilization of the existing ones. In this study, the reservoir operating rules of Doroodzan dam reservoir, located in Fars province, were determined using different methods and the most efficient model was selected. For this purpose, a monthly nonlinear multi-objective optimization model was designed using the monthly data of a fifteen-year period (2002-2017). Objective functions were considered as minimizing water scarcity index in municipal, industrial, environmental and agricultural sectors. In order to determine the operating rule curves of reservoir, in addition to the nonlinear multi-objective optimization model, the methods of ordinary least-squares regression (OLS), fuzzy inference system and adaptive network fuzzy inference system (ANFIS) were used. Also, the reliability, resiliency, vulnerability and sustainability criteria were used to compare the different methods of reservoir performance rules. The results showed that ANFIS model had the higher sustainability criterion (0.26) due to its greater reliability (0.7) and resilience (0.42), as well as its lower vulnerability (0.13), thereby showing the best performance. Therefore, ANFIS model could be effectively used for the creation of Doroodzan reservoir operation rules.
similar resources
طراحی 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 textبهره برداری از مخزن سد با استفاده از سیستم استنتاج فازی و خوشه بندی (مطالعه موردی: سد ایلانجق)
full text
تعیین گونه سفر مبتنی بر پویشگر شبکه وای-فای با استفاده از شبکه فازی-عصبی تطبیقی
آگاهی از گونه سفر و الگوی حرکت شهروندان همواره مورد توجه مدیران شهری در حوزه مدیریت حمل و نقل و ترافیکبوده است. بهنگام نبودن و هزینه اجرایی روش های سنتی جمع آوری اطلاعات مانند استفاده از پرسشنامه و ظهور فنآوری های جدید موجب شده است تا از ابزارهای ارتباطی همچون تلفن همراه جهت جمعآوری و تحلیل دادههای ترافیکی استفاده شود. در این میان قابلیت های شبکه های وای-فای ت...
full textپیشبینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی
مدلهای مفهومی بر مبنای هوش مصنوعی، اغلب برای پیشبینیهای کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش‌بینی‌ها1 (ESP) و تفکیک مدلسازی برای متغیرهای اقلیمی‌و هیدرولوژیکی، از مدلهای مفهومی برای پیشبینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می‌شود. سیستم استنتاج فازی برای پیشبینی بار...
full textپیشبینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)
در طی سال‌های اخیر پیشبینی فرآیندهای هیدرولوژیکی به منظور بهره‌برداری پایدار از منابع آب با استفاده از روش‌‌های هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهره‌‌گیری از شبکه‌‌های عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) اقدام به پیشبینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. بر...
full textMy Resources
Journal title
volume 22 issue 2
pages 261- 276
publication date 2018-09
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023