تخمین تبخیر از تشت با استفاده از سیستم استنتاج فازی و برمبنای خوشه بندی c-mean

thesis
abstract

فرآیند تبخیر یکی از مولفه های اصلی چرخه آب در طبیعت است که نقش اساسی در مطالعات کشاورزی، هیدرولوژیکی و هواشناسی، بهره برداری مخازن، طراحی سیستم های آبیاری و زهکشی، زمان بندی آبیاری و مدیریت منابع آب ایفا می کند. این پدیده تحت تأثیر پارامترهایی چون تابش خورشید، دما، رطوبت، سرعت باد و غیره بوده که پارامترهای اخیر نیز بر یکدیگر تأثیر متقابل می گذارند. از اینرو تبخیر از یک سیستم پیچیده و غیرخطی تبعیت می کند که تخمین دقیق آن بسیار دشوار است. در این بین استفاده از مدل های ریاضی از قبیل سیستم استنتاج فازی با درک رفتارهای غیرخطی سیستم برای حل این مشکل مناسب است. در این تحقیق مدل سازی پیش بینی تبخیر از تشت به کمک سیستم استنتاج فازی تاکاجی-سوگنو و بر مبنای خوشه بندی به روش c-mean در 3 ایستگاه اهواز، آبادان و ایذه مورد مطالعه قرار گرفته است. برای این منظور ترکیب های مختلف پارامترهای هواشناسی از قبیل دما، سرعت باد، رطوبت نسبی و ساعات آفتابی به عنوان اطلاعات ورودی مورد بررسی قرار گرفت. پس از خوشه بندی فازی برای سناریوهای مختلف و به دست آوردن ماتریس عضویت فازی و مراکز خوشه ها، خوشه بندی انجام شده با استفاده از الگوریتم های مختلف مورد ارزیابی قرار گرفت و بهترین تعداد خوشه در هر سناریو انتخاب شد. در این تحقیق در هر سه ایستگاه، مجموعه داده ها در اکثر سناریوها به 2 و 3 خوشه تقسیم بندی شدند. پس از خوشه بندی فازی و انتخاب بهترین تعداد خوشه، مدل سازی بر اساس نتایج حاصل از مرحله خوشه بندی فازی (ماتریس عضویت و مراکز خوشه های فازی) انجام شده است. به منظور ارزیابی کارایی هریک از مدل ها و انتخاب بهترین آنها از آماره های مربع ضریب همبستگی، میانگین مربعات خطا و میانگین درصد خطای نسبی در سه بخش 25 درصد کران بالا، 25 درصد کران پایین و 50 درصد میانه داده ها استفاده شده است. به طور کلی نتایج نشان داد که در هر 3 ایستگاه با افزایش تعداد پارامترهای ورودی نتایج بهتری در مدل سازی ایجاد می شود که بیانگر اهمیت و تأثیر پارامترهای ورودی در مدل سازی است. در نهایت به نظر می رسد در ایستگاه های مورد بررسی مدل فازی با استفاده از خوشه بندی توانایی بسیار خوبی در تخمین تبخیر از خود نشان می دهد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تشخیص تومورهای مغزی با استفاده از ترکیب سیستم استنتاج فازی-عصبی وفقی و خوشه بندی سلسله مراتبی

تشخیص محدوده تومورهای مغزی یک گام مهم و اساسی در سیستم‌های تشخیص و درمان خودکار می باشد. در این مقاله یک روش ترکیبی مبتنی بر سیستم استنتاج فازی-عصبی وفقی (ANFIS) و خوشه بندی سلسله مراتبی برای تشخیص موقعیت و محدوده تومورهای مغزی ارائه شده است. برای این منظور ابتدا خط مرکزی ناحیه مغز تشخیص داده شده، سپس با بلاک بندی ناحیه دو نیمکره مغز و استخراج ویژگی شدت روشنایی و بافت هر بلاک و نیز با بهره گیری...

full text

تخمین سطح تنش رطوبتی خاک با استفاده از مدل HYRDUS2D و سیستم استنتاج عصبی- فازی

در این پژوهش، به­منظور تعیین طول دوره­ی تنش در طول فصل کشت، قابلیت مدل­های HYDRUS2D و ANFIS در شبیه­سازی روند تغییرات زمانی رطوبت خاک و اجزای بیلان آب تحت آبیاری کامل و کم­آبیاری معمولی در دو سطح 75 (DI75) و 55 درصد (DI55) در یک مزرعه­ی ذرت با یکدیگر مقایسه شدند. بدین منظور، طی دو فصل زراعی داده­های رطوبت خاک با استفاده از رطوبت­سنج TRIME-FM برای واسنجی و صحت­یابی مدل HYDRUS2D برداشت شد. همچنین...

full text

تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی

تخمین ضریب اصطکاک در لوله‌ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه‌ای دارد. در تحلیل این‌گونه مسائل با دانستن ضریب اصطکاک، می‌توان تخمین دقیق‌تری از آنها به‌دست آورد. در این تحقیق به‌منظور تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه‌ای مورد استفاده قرار گرفت. برای آموزش و تست مد...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023