شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه قره آغاج استان فارس)

پایان نامه
چکیده

به منظور پیش بینی جریان رودخانه در حوزه های آبخیز طی سالیان متمادی روشهای مختلفی ابداع گردیده که کارایی آنها نیز به اثبات رسیده است. یکی از این مدلهای شیبه سازی، شبکه های عصبی مصنوعی است که می تواند با دقتی در خور توجه واقعیات موجود را به تصویر بکشد. در این تحقیق به منظور شبیه¬سازی دبی به بررسی و تاثیر پارامترهای هواشناسی بر روی جریان رودخانه قره آغاج پرداخته شد. برای این منظور از آمار دبی، بارش و دمای ماهیانه ایستگاههای موجود حوزه با طول دوره آماری 23 سال (83-1360) استفاده گردید. داده های موجود پس از نرمال سازی به سه دسته آموزش، صحت سنجی و آزمایش تقسیم و به 5 صورت متفاوت و 9 مدل با استفاده از شبکه عصبی پرسپترون چند لایه با قانون پس انتشار خطا و توابع یادگیریlm و gdx مورد آزمون قرار گرفتند. بهترین آرایش شبکه با استفاده از تابع یادگیری lm به صورت 1-21-9 با مقادیر ضریب همبستگی 1 و 1 بترتیب برای داده های آموزش و تست و برای تابع یادگیری gdx نیز به صورت 1-13-7 با مقادیر ضریب همبستگی 94/0 و 96/0 حاصل گردید. نتایج حاصل بیانگر تاثیر پارامترهای هواشناسی مانند دما و بارش روی جریان خروجی حوزه و اختلاف بسیار ناچیز بین داده های شبیه سازی شده با مقادیر مشاهداتی می باشد. همچنین شبکه های عصبی در شبیه سازی جریان رودخانه با تابع یادگیری lm کارایی بهتری را نشان داد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بررسی عملکرد شبکه عصبی مصنوعی در پیش‌بینی جریان رودخانه (مطالعه موردی: حوضه قره آغاج استان فارس)

In order to river flow forecasting in catchments area in during many years are invented different methods that their efficiency is confirmed. One of these simulation models is neural network that it can draw the existence of truth together with considerable attention. In this research in order to Discharge simulation is investigated meteorological parameters effects on Ghare Aghaj river flow. F...

متن کامل

شبیه سازی جریان رودخانه با استفاده از مدل swat (مطالعه ی موردی: رودخانه قره سو اردبیل)

شبیه سازی جریان رودخانه ها، پیش بینی رفتار هیدرولوژیکی حوزه های آبخیز و درک درستی از مولفه های مختلف چرخه هیدرولوژیکی برای برنامه ریزی در برای حفاظت از منابع آبی حائز اهمیت است. از طرف دیگر، نبودن برآورد مناسب رواناب حاصل از بارش در حوزه های آبخیز، مدیریت بهینه ی منابع آبی به ویژه مدیریت بهره برداری سدها و شبکه ی آبرسانی را دچار مشکل می نماید. در پژوهش حاضر از مدل swat برای شبیه سازی رواناب ماه...

متن کامل

کاربرد مدلهای شبکه عصبی مصنوعی و مدل M5 در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)

    مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می‌دهد. روش­های هوش مصنوعی می­توانند کارایی بالایی جهت شبیه­سازی جریان رودخانه در مقیاس­های مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیه‌سازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیه‌سازی داده­های دبی جریان ماهانه در این ای...

متن کامل

پیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)

پیش­بینی دقیق جریان در رودخانه­ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی­ها است. به دلیل اهمیت پیش­بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه­ی باراندوزچای در دو ایستگاه بی­بکران و دیزج طی یک دوره­ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) می­باشد، پیش­بینی گرد...

متن کامل

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 مازندران - دانشکده منابع طبیعی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023