پیش‌بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

Authors

Abstract:

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 بارش فصلی به صورت عدد فازی و شبکه‌های عصبی مصنوعی برای شبیه سازی تبدیل اطلاعات هیدروکلیماتولوژیکی ‌به جریان رودخانه مورد استفاده قرار می‌گیرند. فصل بندی بارش و جریان ماهانه، واسنجی مدل‏های اقلیمی ‌و هیدرولوژیکی و استفاده از الگوریتم توقف آموزش2 در شبکه‌های عصبی، دقت پیش‌بینی مدل‏ها را در این تحقیق افزایش داده است. علاوه بر بررسی دقت رویکرد پیش‌بینی جریان در فصول مختلف، نتایج این مدل با یک مدل پیش‌بینی ماهانه بر مبنای شبکه‌های عصبی که با استفاده از اطلاعات مشاهده شده، جریان ماهانه را پیش‌بینی می‌کند، مقایسه می‌گردد. نتایج این تحقیق نشان می‌دهد که رویکرد ارائه شده علاوه بر دقت قابل قبول در پیش‌بینی نقطه‌ای و بلند مدت جریان، امکان پیش‌بینی به صورت مجموعه‌ای از جریان‌های ممکن را نیز فراهم می‌آورد که در برنامه ریزی و مدیریت منابع آب با در نظر گرفتن عدم قطعیت پیش‌بینی‏ها، حائز اهمیت است. 

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

مدل‏های مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‏سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدل‏های مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...

full text

پیش‌‌بینی 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 text

مدل‌سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان

     Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...

full text

مقایسه مدلهای شبکه عصبی مصنوعی و سیستم استنتاج فازی در پیشبینی میزان بارندگی استان کردستان

پدیده بارش تابع عوامل زیادی می باشد که پیش بینی آن به روش های معمول آماری از دقت کمی برخوردار است. پیش بینی بارش با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی در سال های اخیر، توجه زیادی معطوف شده است. استان کردستان با مساحتی حدود 28203 کیلومتر مربع بین 34 درجه و 45 دقیقه تا 36 درجه و 28 دقیقه عرض شمالی و 42 درجه و 31 دقیقه تا 48 درجه و 16 دقیقه طول شرقی به دلیل ریزش جوی زیاد یکی از پرآب ...

ارزیابی قابلیت مدل‏ های سیستم استنتاج فازی-عصبی تطبیقی، شبکه عصبی مصنوعی و رگرسیونی در تحلیل منطقه ‏ای سیلاب

سابقه و هدف: توسعه روش‏های برآورد فراوانی منطقه‏‏‏ ای سیلاب در مناطق فاقد ایستگاه‏‏ های اندازه‏گیری یکی از اولین اهداف اصلی در مسایل روز هیدرولوژی می‏ باشد. ارزیابی فراوانی سیلاب در حوضه‏ های فاقد ایستگاه‏های اندازه‏ گیری، معمولاً توسط ایجاد روابط مناسب آماری (مدل‏ها)بین سیلاب و ویژگی‏های فیزیکی حوضه انجام می‏ گیرد. تاکنون معادلات متعددی در زمینه برآورد دبی سیلاب در مناطق مختلف از جمله حوضه کرخه...

full text

تخمین هوشمند حداکثر عمق آب‌شستگی اطراف آب‌شکن‌های L شکل با استفاده از شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی- عصبی

از جمله مسایل مهم در طراحی آب‌شکن‌ها، پدیده آب‌شستگی موضعی دماغه آنها می‌باشد که به‌علت تنگ‌شدگی مقطع جریان و وجود گردابه‌های قوی به‌وجود می‌آید و یکی از شاخص‌های مهم در تعیین مشخصات حفره‌ی آب‌شستگی، حداکثرعمق آب‌شستگی می‌باشد. امروزه شبکه‌های عصبی کاربردهای بسیاری در مسایل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده است. بنابراین در این پژوهش از...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue 2

pages  29- 41

publication date 2005-07-01

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