مقایسۀ روش‌های شبکۀ عصبی مصنوعی و سیستم‌فازی در تعیین زمان پیش‌هشدار سیلاب‌ نمونۀ موردی زیرحوزۀ آبخیز رودخانۀ زرد - استان خوزستان

Authors

  • حسن دانشیان دانشجوی دکتری زمین شناسی آب، کارشناس ارشد مطالعات پایه منابع آب ، سازمان آب و برق خوزستان، اهواز، ایران
  • کاظم رنگزن دانشیار، مدیر گروه سنجش از دور و GIS، دانشگاه شهید چمران اهواز، ایران
Abstract:

چکیده روندیابی سیل یکی از روش‌های پیش‌بینی سیل در رودخانه‌ها به‌منظور مدیریت و مهار سیل است. روابط بارش - روناب و ایجاد سیل در یک منطقه، رابطۀ خطی ریاضیاتی نیست که با آن‌ سیلاب‌خیزی و وقوع سیلاب را در یک منطقه پیش‌بینی کرد و باید به این نوع پدیده‌ها به‌صورت مدل نگریست. روش‌های هوش ‌مصنوعی و از جملۀ آن‌ها روش شبکۀ عصبی ‌مصنوعی و سیستم استنتاج فازی، روش‌هایی مطلوب در این زمینه هستند. در این پژوهش با استفاده از روش‌های شبکۀ عصبی‌ مصنوعی و سیستم استنتاج فازی اقدام به روندیابی سیلاب در زیرحوزۀ آبخیز رودخانۀ زرد شده است. برای اجرای هر دو روش، ابتدا داده‌های لازم جمع‌آوری، سپس داده‌های پرت از سری داده‌ها حذف و درنهایت نرمال‌سازی شدند. مدل‌سازی روندیابی سیل با استفاده از شبکه‌های عصبی مصنوعی با کمک کدنویسی در نرم‌افزار متلب روی داده‌ها اجرا شد. برای اجرای سیستم استنتاج فازی نیز از این داده‌های آماده‌شده استفاده شد. در این پژوهش انواع ساختارهای متفاوت شبکۀ ‌عصبی مصنوعی با تعداد نرون‌ها، لایه‌های مخفی، تعداد دوره‌های آموزش و توابع فعالیت متفاوت بر روی داده‌ها اجرا شدند تا درنهایت بهترین ساختار برای منطقۀ مورد مطالعه به‌دست آید. برای مدل استنتاج فازی نیز انواع ساختارها اجرا شدند تا درنهایت بهترین مدل انتخاب شود. نتایج نشان داد‌ در حالت کلی، سیستم استنتاج فازی داده‌های منطقۀ مورد مطالعه را بهتر شبیه‌سازی می‌کند و نتایج بهتری نسبت به مدل شبکۀ عصبی مصنوعی نشان می‌دهد و مقادیر MSE و r در سیستم استنتاج فازی و مدل شبکۀ عصبی مصنوعی به‌ترتیب برابر با 2196/0 و 0297/0، 7667/0 و 96/0 است که نشان‌دهندۀ دقت بالاتر سیستم استنتاج‌فازی در پیش‌بینی سیلاب در حوزۀ آبخیز مورد مطالعه است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تحلیل مکانی و زمانی تغییر اقلیم در سال‌های آینده و مقایسۀ روش‌های ریزمقیاس‌نمایی SDSM، LARS-WG و شبکۀ عصبی مصنوعی (مطالعۀ موردی: استان خوزستان)

خشک‏سالی خطر پیچیده‏ای است که سبب برهم‌خوردن تعادل آبی می‏شود؛ بنابراین بررسی تغییرات اقلیمی و پیش‏بینی آنها می‏تواند در امر مدیریت و برنامه‏ریزی مربوط به آن تأثیر زیادی داشته باشد. در تحقیق حاضر برای پایش و پیش‏بینی خشک‏سالی منطقۀ خوزستان و نیز بررسی عملکرد مدل‏های ریزمقیاس در این منطقه، ابتدا داده‏های بارش و دما به‏صورت روزانه طی دورۀ 1985-2010 از هشت ایستگاه منتخب در منطقه دریافت شد. سپس، نم...

full text

مقایسۀ عملکرد مدل درختی M5 با مدل‌های شبکۀ عصبی مصنوعی و ماشین بردار پشتیبان در استخراج منحنی تداوم جریان مطالعۀ موردی: ایستگاه خزانگاه رودخانۀ ارس

یکیاز مهم­ترینو پرکاربردترینعلائمپاسخهیدرولوژیکحوزه، منحنیتداومجریان استو درکاربرد‌هایهیدرولوژیکیبی‌شماری برای آنالیز فراوانیجریان­هایکمینهو سیلابمورد استفادهقرار می­گیرد. برای نمایش محدودۀ کامل دبی رودخانه، از جریان‌های حداقل تا حداکثر سیلاب و منحنی تداوم جریان  (FDC)استفاده می‌شود؛ بنابراین استخراج دقیق این منحنی‌ها با حداقل خطا حائز اهمیت فراوانی است. در این مطالعه کارایی مدل درختی M5 در است...

full text

مقایسۀ مدل رگرسیون درختی، شبکۀ عصبی مصنوعی و هارگریوز سامانی در برآورد تبخیرتعرق مرجع مناطق خشک

هدف از این تحقیق، ارزیابی سه مدل شبکۀ عصبی مصنوعی، رگرسیون درختی و مدل هارگریوز سامانی برای برآورد تبخیرتعرق گیاه مرجع بود. بدین منظور از اطلاعات هواشناسی استان­های سیستان و بلوچستان، کرمان، یزد و خراسان جنوبی در دورۀ آماری 1998-2008 استفاده شد. با توجه به تأثیر سرعت باد بر میزان تبخیرتعرق منطقه، برآورد تبخیرتعرق براساس تغییرات سرعت باد در قالب سه گروه شامل ایستگاه­هایی با سرعت باد کمتر از 48/2...

full text

عوامل محیطی مؤثر بر تغییرات زمانی مؤلفه‌های کیفی آب رودخانۀ زرد در استان خوزستان

امروزه توسعۀ جهانی به‌طور جدی با مسائل کیفیت آب مواجه شده است. ازآنجاکه کیفیت آب و سلامت اکوسیستم‌ها یکی از جنبه‌های مهم حل مسائل اکوهیدرولوژی رودخانه‌ها به‌شمار می‌رود، مطالعۀ حاضر با هدف بررسی روند تغییرات زمانی فاکتورهای کیفیت آب در ایستگاه ماشین رودخانۀ زرد، به‌منظور برنامه‌ریزی برای مدیریت بلندمدت منابع آب رودخانه و اکوسیستم‌های اطراف آن انجام گرفت. در این بررسی وجود یا نبود روند فاکتورهای...

full text

مقایسۀ مدل شبکۀ عصبی مصنوعی با فرایند تحلیل سلسله‌مراتبی در ارزیابی خطر زمین‌لغزش

زمین‌لغزش یکی از مخاطرات طبیعی در مناطق کوهستانی به‌شمار می‌رود که هرساله به خسارات زیادی منجر می‌شود. حوضۀ دوآب الشتر با داشتن چهره‌ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوۀ زمین‌لغزش است. هدف این تحقیق مقایسۀ مدل شبکۀ عصبی مصنوعی با فرایند تحلیل سلسله‌مراتبی، به‌منظور ارزیابی خطر زمین‌لغزش در حوضۀ دوآب الشتر است. بدین منظور ابتدا پارامترهای مؤثر در وقوع زمین‌لغزش استخراج و ...

full text

مقایسۀ مدل رگرسیون درختی، شبکۀ عصبی مصنوعی و هارگریوز سامانی در برآورد تبخیرتعرق مرجع مناطق خشک

هدف از این تحقیق، ارزیابی سه مدل شبکۀ عصبی مصنوعی، رگرسیون درختی و مدل هارگریوز سامانی برای برآورد تبخیرتعرق گیاه مرجع بود. بدین منظور از اطلاعات هواشناسی استان­های سیستان و بلوچستان، کرمان، یزد و خراسان جنوبی در دورۀ آماری 1998-2008 استفاده شد. با توجه به تأثیر سرعت باد بر میزان تبخیرتعرق منطقه، برآورد تبخیرتعرق براساس تغییرات سرعت باد در قالب سه گروه شامل ایستگاه­هایی با سرعت باد کمتر از 48/2...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 28  issue 1

pages  1- 20

publication date 2017-04-21

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