مقایسه عملکرد مدلهای شبکه عصبی و فازی در تعیین دبی ماهانه جریان با استفاده از آمار کوتاه مدت.
Authors
Abstract:
بهرهبرداری بهینه از سیستمهای منابع آب و به خصوص تعیین زمان واقعی کارکرد مخازن سدها، مستلزم پیشبینی آورد رودخانههاست. در این مقاله عملکرد مدلهای منطق فازی (FL) و شبکه عصبی مصنوعی (ANN) برای پیشبینی یک و دو ماه بعد جریان حوضه کارون در محل ایستگاه هیدرومتری پلشالو با هم مقایسه شده است. در این راستا از سیستم استنتاجی ممدانی برای ساخت مدلهای FL و همچنین شبکههای پیشرو سه لایه برای مدلسازی توسط ANN استفاده گردید. بررسی عملکرد این مدلها با شاخصهای ضریب تبیین(R2)، میانگین قدر مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) نشان داد که در شرایط کم بودن دادهها، مدل FL نسبت به مدل ANN در پیشبینی یک و دو ماه بعد جریان از نظر آماری عملکرد بهتری داشته است. این عملکرد بهتر به طور متوسط مقادیری برابر 25% و 7% را به ترتیب برای R2 و RMSE در پیشبینی جریان اسفند ماه به همراه داشته است. نتایج بدست آمده از این دو مدل با مدل رگرسیون خطی چندگانه (MLR) نیز مقایسه گردید که عدم عملکرد مناسب آن را نشان میداد.
similar resources
مقایسه کارایی پیشبینی دبی ماهانه با استفاده از روشهای شبکه عصبی مصنوعی و سریهای زمانی
پیشبینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص میباشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروریترین مسائل برای مدیریت منابع آب میباشد. پژوهش حاضر با هدف مقایسه بین مدلهای مختلف شبکه عصبی مصنوعی (MLP وRBF) و سریهای زمانی آرما (ARMA) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سالهای 1356 تا 1386 پیریزی شد. در روش ...
full textمقایسه 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 textپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
full textپیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی
پیشبینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیشبینی کوتاه مدت بار به ویژگیهای بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از دادههای واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیشبینی کوتاه مدت بار الکتریکی استان پرداختهایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...
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 textبرآورد جریان ماهانه در حوضههای فاقد آمار با استفاده از پارامترهای اقلیمی و فیزیوگرافی حوضه
چکیده چکیده سابقه و هدف: برآورد دبی در حوضههای آبریز با دادههای آماری محدود، همواره مورد توجه پژوهشگران خصوصاً در کشورهای در حال توسعه میباشد. در بسیاری از موارد، دادههای مشاهداتی دبی یا در دسترس نبوده و یا از لحاظ کیفیت و کمیَت کافی نیستند. این عامل طرحهای مدیریت منابع آب را با مشکل روبهرو میسازد. بنابراین روشهایی که به کمک آنها بتوان میزان آبدهی رودخانه در حوضههای بدون آمار یا دارای...
full textMy Resources
Journal title
volume 33 issue 2
pages 113- 126
publication date 2010-10-23
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