شبیه سازی دبی جریان حوضه ماربره با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی

thesis
abstract

شبیه سازی جریان رودخانه به عنوان اولین و مهم ترین گام جهت کنترل سیلاب در مدیریت منابع آب می باشد. در این تحقیق جریان روزانه رودخانه ماربره واقع در استان لرستان، با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی مورد بررسی قرار گرفت. بر این اساس ترکیب های مختلفی با استفاده از پارامترهای بارندگی و دما در دوره زمانی مورد نظر و جریان رودخانه در دوره های زمانی ما قبل، طی دوره آماری (1377-1391) بعنوان ورودی و جریان رودخانه در دوره مورد نظر بعنوان پارامتر خروجی در مقیاس زمانی روزانه مورد ارزیابی قرار گرفت. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف جهت ارزیابی و نیز مقایسه عملکرد روش ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد مدل ترکیبی با ورودی جریان رودخانه در دوره زمانی ماقبل و بارش و دما در دوره زمانی مورد نظر توانسته با استفاده از دو مدل هوش مصنوعی مورد بررسی، در شبیه سازی جریان رودخانه نتایج قابل قبولی ارائه نماید. مقایسه هر دو روش نشان داد از لحاظ دقت، مدل سیستم استنتاج عصبی-فازی با ضریب همبستگی (970/0)، جذر میانگین مربعات خطا (m3/s 001/0) و نش ساتکلیف (928/0) در مرحله صحت سنجی در اولویت قرار گرفت. در مجموع نتایج نشان داد که مدل سیستم استنتاج عصبی-فازی توانایی بالایی در تخمین مقادیر کمینه و میانی و نیز همبستگی قابل قبولی با مقادیر مشاهداتی دارد.

similar resources

مقایسه کارآیی مدل هیدرولوژیکیWetSpa شبکه عصبی مصنوعی و سیستم عصبی- فازی انطباقی ، در شبیه سازی دبی جریان رودخانه (مطالعه موردی: حوضه آبخیز بالوخلوچای استان اردبیل)

پوشش گیاهی حوضههای آبخیز دارد. در سالهای اخیر، مدلهای متنوع کامپیوتری و روشهای هوشمند عصبیجهت تخمین و پیشبینی رواناب و تأثیرات متعدد آن مورداستفاده قرارگرفتهاند. در این تحقیق، عملکرد مدلدر شبیهسازی بارش- رواناب و تخمین دبی روزانه ANFIS و ANN و دو مدل هوشمند WetSpa هیدرولوژیکیحوضه آبخیز بالوخلوچای موردبررسی قرار گرفت. دادههای موردنیاز شامل اطلاعات مربوط به مدل رقومی ارتفاع،نقشههای کاربری اراضی و...

full text

پیش‌بینی 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 text

شبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)

سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...

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

شبیه سازی الگوی توزیع نیترات در سیستم آبیاری قطره ای با استفاده از شبکه عصبی مصنوعی

استفاده بیش از حد نیترات می­تواند منجر به آلودگی منابع آب زیرزمینی شود. بنابراین دانش دقیق از توزیع نیترات در ناحیه توسعه ریشه به­منظور طراحی و مدیریت سیستم­های آبیاری قطره­ای ضروری است. در این تحقیق به­منظور مدل­سازی الگوی توزیع نیترات از شبکه عصبی مصنوعی استفاده گردید. زیرا این تکنیک به­دلیل الگوی تشخیص قوی، روابط منطقی بین پارامترهای ورودی و خروجی برقرار می­کند. در این تحقیق، به­منظور شبیه­س...

full text

مقایسه کارآیی مدل هیدرولوژیکیwetspa شبکه عصبی مصنوعی و سیستم عصبی- فازی انطباقی ، در شبیه سازی دبی جریان رودخانه (مطالعه موردی: حوضه آبخیز بالوخلوچای استان اردبیل)

پوشش گیاهی حوضههای آبخیز دارد. در سالهای اخیر، مدلهای متنوع کامپیوتری و روشهای هوشمند عصبیجهت تخمین و پیشبینی رواناب و تأثیرات متعدد آن مورداستفاده قرارگرفتهاند. در این تحقیق، عملکرد مدلدر شبیهسازی بارش- رواناب و تخمین دبی روزانه anfis و ann و دو مدل هوشمند wetspa هیدرولوژیکیحوضه آبخیز بالوخلوچای موردبررسی قرار گرفت. دادههای موردنیاز شامل اطلاعات مربوط به مدل رقومی ارتفاع،نقشههای کاربری اراضی و...

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 زابل - دانشکده کشاورزی

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023