کاربرد شبکه های عصبی مصنوعی در تجزیه زمانی بارندگی ساعتی

پایان نامه
چکیده

سری زمانی بارش غالباً یکی از ورودی¬های لازم برای تجزیه و تحلیل و طراحی سیستم¬های هیدرولیکی و هیدرولوژیکی می باشد . اطلاعات بارش به منظور کاربرد در این اهداف می¬تواند به صورت اندازه¬گیری مشاهدات بدست آید و یا اینکه به وسیله شبیه¬سازی اتفاقی تولید شود. یک مشکل عمده در مورد داده¬های بارندگی ثبت شده و یا تولیدی این است که این داده¬ها در بازه¬های زمانی به اندازۀ کافی کوچک برای کاربردهای مهندسی موجود نمی¬باشند. برای حل این مشکل می¬توان مقادیر بارندگی را به بازه¬های زمانی کوچکتر تجزیه نمود. در این تحقیق دو نوع شبکۀ عصبی مصنوعی (شبکۀ پرسپترون چند لایه، شبکۀ تابع پایه شعاعی) معرفی شده و از آنها برای تجزیۀ زمانی بارندگی ساعتی به زیر بازه¬های پانزده دقیقه¬ای استفاده شده است. در ادامه عوامل تأثیرگذار بر عملکرد شبکۀ عصبی در امر تجزیۀ زمانی بارندگی مورد بررسی قرار گرفته است، که از این موارد می¬توان به اثر نرمال¬سازی داده¬ها، تعداد نرون¬های لایۀ میانی، تعداد تکرارهای آموزشی و... اشاره کرد. همچنین عملکرد مدل¬های مختلف شبکۀ عصبی در تجزیۀ زمانی بارندگی ساعتی با روش تجزیۀ زمانی اورمسبی نیز مقایسه شده است. در نهایت نتایج هر دو نوع شبکۀ عصبی نشان داد که استفاده از شبکه¬های عصبی از لحاظ برآورد کلی هیدروگراف بارندگی با دیگر روش¬ها قابل مقایسه می¬باشد. همچنین این روش در تعیین مقدار حداکثر بارش پانزده دقیقه¬ای بسیار بهتر از روش¬های دیگر عمل می¬کند. بر پایۀ این نتایج استفاده از شبکه¬های عصبی به عنوان روشی مناسب برای تجزیۀ زمانی بارندگی ساعتی به بارش¬های پانزده دقیقه-ای پیشنهاد می¬شود.

منابع مشابه

کاربرد شبکه های عصبی مصنوعی در تصمیم گیری راهبردی

در این مقاله سعی شده است علاوه بر ارایه مطالب جدید در زمینه شبکه های عصبی مصنوعی، کاربرد آن در تصمیم گیری راهبردی مدیران ارایه شود. در اینجا شبکه های عصبی مصنوعی برای اجرای یک مدول تصمیم در چارچوب تصمیم گیری راهبردی مورد بررسی قرار گرفته است. این مقاله چگونگی بکارگیری و پذیرش شبکه های عصبی در چارچوب تصمیم گیری راهبردی را توصیف می کند. در بخش اول مختصری از ادبیات شبکه های عصبی مصنوعی و در بخش دو...

متن کامل

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

متن کامل

کاربرد شبکه های عصبی مصنوعی در تخصیص اعتبارات ویژه پژوهشی

بحث تخصیص اعتبارات همواره یکی از موضوعاتی بوده است که سازمان ها و نهادها را با مشکلات و چالش هایی مواجه ساخته است. دانشگاه ها و مراکز آموزش عالی نیز با افزایش روز افزون تقاضا برای اعتبار ویژه پژوهشی به دلیل مشخص نبودن اولویت ها و ماهیت واقعی دستاوردهای پژوهشی، تنش های مربوط به تخصیص اعتبارات را بیش از سایر سازمان ها حس کرده است. بنابراین هدف مقاله شناسایی معیارهای مناسب تخصیص اعتبارات ویژه پژوه...

متن کامل

کاربرد شبکه عصبی مصنوعی در حسابرسی

چکیده بسیاری از فرآیندهای حسابرسی به سرعت در حال تغییرند. یکی از مسایل مهم حسابرسی این است که چگونه فناوری اطلاعات بر فرآیند حسابرسی ومهارت‏های حسابرسی تأثیر می‏گذارد. حسابرسان باید از آمادگی‏های لازم برای فعالیت در این محیط جدید برخورار باشند. یافته‏های تازه در قلمرو فناوری اطلاعات و ارتباطات، حسابرسان را در نظارت و کنترل عملیات شرکت صاحب‎کار یاری می‏رسانند از جمله امکاناتی که در این محیط جدید...

متن کامل

مقایسه مدل های سری زمانی و شبکه های عصبی مصنوعی در پیش بینی بارندگی

بارندگی در مدیریت منابع آب به ویژه در مناطق خشک و نیمه خشک نقش اساسی دارد و شبیه سازی این متغیر هیدرولوژیکی و برآورد میزان آن در هر مقیاس زمانی برای هر منطقه، به عنوان یکی از مهمترین پارامتر های جوی، گامی بسیار مهم در راستای برنامه ریزی بهتر منابع آب و کشاورزی خواهد بود. یکی از کارهای معمول در برنامه ریزی منابع آب، شبیه سازی یا ساختن مدلی از برخی متغیرهای هیدرولوژیکی مانند بارندگی است. در این ت...

منابع 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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023