پیش بینی جریان روزانه با استفاده از روش هیبریدی موجک و شبکه عصبی و تجزیه و تحلیل خصوصیات آماری – هیدرولوژیکی با استفاده از امواج تجزیه شده(مطالعه موردی: ایستگاه ونیار)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی
- نویسنده مریم شفایی
- استاد راهنما صابره دربندی محمدعلی قربانی
- سال انتشار 1390
چکیده
با توجه به اهمیت پیش بینی جریان رودخانه در مدیریت منابع آب روش های مختلفی برای مدل کردن جریان رودخانه ها بکار برده شده است. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب، خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه مدل شبکه عصبی و مدل هیبرید موجکی- شبکه عصبی برای پیش بینی جریان روزانه ایستگاه ونیار پیشنهاد گردیده است. برای استفاده از مدل هیبریدی سری زمانی به 12 زیر سری تجزیه شده و این زیر سری ها بعنوان ورودی به شبکه عصبی وارد می گردند. نتایج بدست آمده از مدل تلفیقی موجک- شبکه عصبی با نتایج حاصل از کاربرد شبکه عصبی مقایسه شد. و ملاحظه گردید که روش هیبریدی موجک- شبکه عصبی تعداد روزهای بیشتری را با همبستگی قابل قبولی نسبت به روش شبکه عصبی پیش بینی می کند. در بخش بعدی این مطالعه همپوشانی فیلتر میانگین متحرک با زیر سری های تقریبی حاصل از تجزیه جریان روزانه بررسی گردید که نتایج همبستگی بسیار بالای این دو فیلتر را نشان داد. در قسمت دیگری از این تحقیق میزان در برگیری زیرسری های جزئی حاصل از تجزیه موجکی توسط دوره بازگشت های مختلف بررسی گردید، بصورتیکه هر کدام از دوره بازگشت های سیگنال جریان روزانه ایستگاه ونیار، یک سری از زیر سری های جزئی را در بر می گیرند. و از این قسمت می توان دریافت که هر کدام از زیرسری های حاصل از تجزیه چه دوره بازگشت هائی را در تفکیک نموده اند. در بخش آخر این مطالعه در صد واریانسی را که هر زیر سری جزئی به خود اختصاص داده بود محاسبه شد. و میزان پراکندگی که هر زیر سری جزئی از سیگنال جریان در بر گرفته بود مشخص گرد
منابع مشابه
The Study of Stressful Factors in Clinical Education for Nursing Students Studying in Nursing and Midwifery College in Khorramabad
کچ هدي پ شي مز هني فده و : شزومآ لاب يني شخب ساسا ي شزومآ مهم و راتسرپ ي تسا . و هنوگ ره دوج لکشم ي شزومآ رد لاب يني ، آراک يي هدزاب و ا ني شزومآ زا شخب راچد ار لکشم م ي دنک . فده اب رضاح شهوژپ سررب ي لماوع سرتسا از ي شزومآ لاب يني رد وجشناد ناي راتسرپ ي هدکشناد راتسرپ ي و يامام ي ماـجنا داـبآ مرـخ تسا هتفرگ . شور و داوم راک : رضاح هعلاطم کي هعلاطم صوت يفي عطقم ي تسا . د...
متن کاملThe effect of cyclosporine on asymmetric antibodies and serum transforming growth factor beta1 in abortion-prone model of mice CBA/J x DBA/2
كچ ي هد فده و هقباس : ي ک ي طقس زورب للع زا اه ي ،ررکم ا لماوع تلاخد ي ژولونوم ي ک ا رد ي ن قم طققس عون ي وراد دقشاب ي س ي روپسولک ي ،ن ح لدم رد طقس شهاک بجوم ي ناو ي CBA/j×DBA/2 م ي تنآ ددرگ ي داب ي اه ي ان و راققتم TGF-β لماوع زا عت مهم يي ن گلماح تشونرس هدننک ي سررب روظنم هب رضاح هعلاطم تسا ي ات ث ي ر اس ي روپسولک ي ن م رب ي از ا ي ن تنآ عون ي داب ي س و اه ي اکوت ي ن TGF...
متن کاملپیشبینی جریان روزانه رودخانه با استفاده از مدل هیبرید موجک و شبکه عصبی؛ مطالعه موردی ایستگاه هیدرومتری ونیار در حوضه آبریز آجی چای
با توجه به اهمیت پیشبینی جریان رودخانه در مدیریت منابع آب روشهای مختلفی برای مدل کردن جریان رودخانهها بکار برده میشوند. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه نیز برای پیشبینی سری زمانی جریان روزانه ایستگاه ونیار، با توجه به ویژگیهای غیرخطی مقیاسهای زمانی چندگانه، مدل هیبرید شبکه عصبی و موجک پیشنهاد شده است. برا...
متن کاملپیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی
همواره مدلسازی و پیشبینی متغیرهای مالی یکی از موضوعهای مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیشبینی سریهای زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم میآورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیشبینی کرد. در این روش، با استفاده از تجزیه موجک، نویزهای تصادفی دادههای ورودی شبکه عصبی فازی تطبیقی کاهش مییابد...
متن کاملپیش¬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 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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023