پیشبینی خشکسالی با بکارگیری از مدلهای شبکه عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی در حوزة مُند استان فارس
نویسندگان
چکیده مقاله:
امروزه خشکسالی یک معضل جدّی و گریبانگیر دربسیاری از کشورهای جهان است؛بنابراین پیشبینیِ آن از اهمیت بهسزایی برخوردار میباشد. در این تحقیق، کارایی شبکة عصبی مصنوعی و سیستم استنتاج عصبی- فازیتطبیقی به عنوان روشهایی مؤثر برای پیشبینی شدت خشکسالی حوزة "مُند" استان فارس مورد بررسی قرار گرفت. برای این منظور از دادههای بارندگی ماهانة ایستگاه بارانسنجی تنگاب استان فارس با دورة آماری 32 ساله استفاده گردید. شدت خشکسالی در دورة ماهانه با استفاده از شاخص بارندگی استاندارد شده (SPI) تعیین شد؛ سپس بهوسیلة مدلهای ANN وANFIS و با استفاده از شاخص SPI پیشبینی شدت خشکسالی انجام گردید. از بین دادههای موجود، 70 درصد به عنوان دادههای آموزش و مابقی به عنوان دادههای اعتبارسنجی و دادههای آزمون انتخاب شد؛ سپس از طریق معیارهای آماری شامل ضریب همبستگی، میانگین مجذور مربعات خطا و ضریب ناش به کارایی عملکرد مدلها پرداخته شد. نتایج نشان دادد که دقت روش شبکههای عصبی مصنوعی از روش سیستم استنتاج عصبی- فازیتطبیقی بیشتر میباشد؛ همچنین یافتههای حاصل از این بررسی نشان میدهد که هرچه پراکندگی دادههای ورودی مدل بیشتر باشد مدل استنتاج عصبی- فازی تطبیقی دارای توانایی بیشتری در شبیهسازی این نوع از دادهها میباشد.
منابع مشابه
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 ...
پیش بینی خشکسالی با استفاده از روش های شبکه های عصبی مصنوعی و سیستم استنتاج فازی-عصبی تطبیقی در حوزه آبخیز مند استان فارس
تقاضای چشمگیر فزاینده برای مصرف آب ناشی از رشد جمعیت از یک سو، و منابع آب محدود از سوی دیگر، کمبود آب را به مسئله¬ای حیاتی در کشورمان تبدیل می¬نماید. بنابراین پیش¬بینی خشکسالی برای مدیریت مصرف بهینه آب، سیستم¬های آبیاری و مدیریت بهره¬برداری از مخازن ضروری است. در سالهای اخیر، توجه زیادی به استفاده از روش¬های هوش مصنوعی جهت مدلسازی فرآیند¬های هیدرولوژیکی دارای پیچیدگی و عدم قطعیت بالا معطوف شده ...
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...
متن کاملپیشبینی 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...
متن کاملبرآورد مقاومت فشاری بتن با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی تطبیقی
مقاومت فشاری بتن یکی از مشخصات مهم مکانیکی بتن است که متأثر از طرح اختلاط بتن می باشد. اجزای تشکیل دهنده بتن سیمان، آب، درشت¬دانه و ریزدانه است که میزان آنها در طرح اختلاط بر مقاومت فشاری بتن تأثیر می¬گذارند. در زمینه تخمین رفتار بتن، تکنیک¬های ریاضی مختلفی توسط محققین ارائه شده است. به طوریکه در گذشته این تکنیک¬ها بیشتر بر پایه رگرسیون خطی و غیرخطی استوار بوده است. امروزه روش¬های بر پایه هوش م...
15 صفحه اولپیشبینی 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...
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 4 شماره 6
صفحات 21- 32
تاریخ انتشار 2016-02-20
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