مدل پیش‌بینی جریان رودخانه با استفاده از سیستم فازی FIS و الگوریتم بهینه‌سازی PSO

Authors

  • جابر سلطانی استادیار گروه مهندسی و آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
Abstract:

هدف از این مطالعه پیش‌بینی رواناب به‌صورت مکانی با استفاده از اطلاعات ایستگاههای هیدرومتری و هواشناسی بود. بررسی‌ها نشان می‌دهد که معمولاً ارتباطات مشخصی بین داده‌های هواشناسی و هیدرومتری بالادست حوضه با میزان رواناب تولیدی در خروجی حوضه وجود دارد و چنانچه بتوان قوانین نهفته در سابقه تاریخی داده‌های ثبت شده در این ایستگاهها را استخراج نمود، می‌توان به آسانی بر پایه اطلاعات اندازه‌گیری شده به پیش‌بینی میزان رواناب پرداخت. بر این اساس از بین ابزارهای موجود، تئوری فازی می‌تواند با انعطاف‌پذیری خود در تدوین قوانین فازی، دانش نهفته در داده‌های مشاهده‌ای را به‌نحوه مطلوبی به‌منظور پیش‌بینی پارامترها در زمان واقعی ارائه نماید. لذا در این تحقیق سیستم استنتاج فازی به‌منظور برآورد میزان رواناب در ایستگاهی واقع در پایین‌دست رودخانه طالقان‌رود با استفاده از آمار ایستگاههای باران‌سنجی و هیدرومتری بالادست رودخانه به‌کار گرفته شد. اجرای سیستم فازی معمولی نشان‌دهنده عدم کارایی مناسب این ابزار در ارائه مقادیر صحیح پیش‌بینی است که علت آن را می‌توان در نامناسب بودن مقادیر بازه‌ای مرتبط با توابع عضویت هر یک از پارامترهای مؤثر در فرایند مدل‌سازی جستجو نمود. با توجه به زمان‌بر بودن ساخت تابع عضویت متناسب با هر یک از پارامترها به‌دلیل تعدد حالات مختلف توابع عضویت، اقدام به استفاده ترکیبی از الگوریتم بهینه‌سازی مبتنی بر هوش جمعی به‌منظور تسریع و بهبود وضعیت مدل‌سازی گردید. با اجرای مدل ترکیبی، مقادیر بهینه مرتبط با هر یک از توابع عضویت متغیرهای وابسته و مستقل، استخراج شده و بر پایه آن و با استفاده از سیستم فازی اقدام به پیش‌بینی رواناب در ایستگاه پایین‌دست رودخانه گردید. نتایج نشان‌دهنده دقت بالای استفاده از روش ترکیبی پیشنهادی در مقایسه با روشهای کاربرد منفرد استنتاج فازی است به‌طوری که با استفاده از این مدل پیشنهادی می‌توان میزان دقیق‌تری از رواناب را برای شرایط آینده برآورد نمود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل پیش بینی جریان رودخانه با استفاده از سیستم فازی fis و الگوریتم بهینه سازی pso

هدف از این مطالعه پیش بینی رواناب به صورت مکانی با استفاده از اطلاعات ایستگاههای هیدرومتری و هواشناسی بود. بررسی ها نشان می دهد که معمولاً ارتباطات مشخصی بین داده های هواشناسی و هیدرومتری بالادست حوضه با میزان رواناب تولیدی در خروجی حوضه وجود دارد و چنانچه بتوان قوانین نهفته در سابقه تاریخی داده های ثبت شده در این ایستگاهها را استخراج نمود، می توان به آسانی بر پایه اطلاعات اندازه گیری شده به پیش...

full text

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیجیدگی زیاد یا عدم‌  صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی از جمله سیستم می‌باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش‌های رایج، این است که این سیستم بر اساس قواعد اگر- آن‌گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

full text

ارایه مدل ارزیابی عملکرد نیروی انسانی با استفاده از سیستم استنتاج فازی (FIS)

Human resource performance assessment is an important part of human resource management and the core of performance management. However, reports of performance appraisals by supervisors are usually archived in employee records, and this often questions the credibility of assessors and the evaluation process. In terms of management, in the process of evaluating performance, valuable time needed ...

full text

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیجیدگی زیاد یا عدم   صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی از جمله سیستم می باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش های رایج، این است که این سیستم بر اساس قواعد اگر- آن گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

full text

بهینهسازی هزینه انفجار در معادن سنگ آهک با الگوریتم PSO

پیش بینی و بهینه سازی هزینه انفجار برای رسیدن به خردایش مطلوب با در نظر داشتن کنترل پیامدهای نامطلوب ناشی از انفجار قابل توجه است. در این پژوهش با جمع آوری داده های انفجار از 6 معدن سنگ آهک در ایران با استفاده از رگرسیون چند متغیره غیر خطی با ارائه مدلی به منظور پیش بینی هزینه انفجار پرداخته شد. این مدل در مقایسه با مدل رگرسیون چند متغیره خطی ضریب همبستگی بالاتری (913/0) و جذر متوسط مربعات خطا ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 24  issue 1

pages  112- 124

publication date 2013-03-01

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