مقایسۀ روشهای شبکۀ عصبی مصنوعی و سیستمفازی در تعیین زمان پیشهشدار سیلاب نمونۀ موردی زیرحوزۀ آبخیز رودخانۀ زرد - استان خوزستان
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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...
متن کاملمقایسۀ 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...
متن کاملمقایسۀ 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...
متن کاملعوامل 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...
متن کاملمقایسۀ 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 ...
متن کاملمقایسۀ 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 28 شماره 1
صفحات 1- 20
تاریخ انتشار 2017-04-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023