پیش بینی بارش با استفاده از سیستم استنباط فازی - عصبی تطبیقی در استان گلستان
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه گنبد کاووس - دانشکده کشاورزی گنبد
- نویسنده نسرین ضابط پیشخانی
- استاد راهنما مرتضی سیدیان علی حشمت پور
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
بارش یکی از مهم ترین عوامل مورد استفاده در مطالعات منابع طبیعی و منابع آب می باشد. با توجه به نوسان ها و بی نظمی های موجود در سری زمانی بارش، پیش بینی پذیری و شناخت عوامل تأثیرگذار بر فرآیند بارش دارای اهمیت است. با وجود روابط غیرخطی، عدم قطعیت و عدم صراحت زیاد و ویژگی های متغیر زمانی و مکانی در سیستم گردش آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور الگوسازی دقیق بارش نتوانسته اند به عنوان یک مدل برتر و توانا شناخته شوند. یکی از روش هایی که در سال های اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته است، استفاده از مدل های جعبه سیاه است. در این تحقیق از هوش مصنوعی با استفاده از دو روش سیستم استنتاج عصبی- فازی (anfis) و ماشین بردار پشتیبان (svm) جهت پیش بینی بارندگی استفاده گردید. برای هر روش ذکر شده دو ورودی متفاوت شامل 1- مقادیر ماهانه دما، فشار، سرعت باد، رطوبت نسبی در ایستگاه سینوپتیک گنبدکاووس و 2- مقادیر ماهانه بارش ایستگاه های هیدرومتری ارازکوسه، بهلکه، آق قلا و تمر به منظور پیش بینی بارندگی ماهانه ایستگاه گنبدکاووس استفاده گردید. در بین ساختارهای مختلف سیستم استنباط فازی- عصبی تطبیقی تابع عضویت گوسی نوع دو با خروجی خطی و دو تابع برای هر ورودی با استفاده از ترکیب ورودی 2، عملکرد بهتری نسبت به سایر ساختارها داشته است. در این ساختار مقادیر r2 و rmse به ترتیب 87/0، 06/7 است. از طرفی ماشین بردار پشتیبان نیز با ترکیب ورودی 2 با مقادیرr2 و rmse به ترتیب 91/0، 59/5 می تواند با دقت بالایی مقدار بارش را پیش بینی نماید. تحلیل نتایج روش های هوش مصنوعی نشان داده که ماشین بردار پشتیبان با ترکیب ورودی 2 توانایی بهتر و دقت بالایی برای پیش بینی بارش داشته است.
منابع مشابه
پیشبینی بارش فصلی بر اساس الگوهای سینوپتیکی با استفاده از سیستم استنباط فازی- عصبی تطبیقی((ANFIS
متن کامل
پیش بینی بارش فصلی بر اساس الگوهای سینوپتیکی با استفاده از سیستم استنباط فازی- عصبی تطبیقی((anfis
متن کامل
پیش بینی عملکرد مزارع نیشکر با استفاده از سیستم فازی- عصبی تطبیقی
پارامترها و عوامل مختلفی از قبیل عمق سطح ایستابی نسبت به سطح زمین، شوری بخش اشباع خاک، عمق آب آبیاری، نوع خاک، رقم و سن گیاه بر عملکرد مزارع نیشکر تأثیر میگذارند. با بررسی این پارامترها و تعیین میزان اثر هر یک از آنها بر عملکرد مزارع نیشکر، میتوان راهکارهایی ارائه داد که با بهره گیری از امکانات و شرایط موجود حداکثر عملکرد را در مزارع نیشکر بهدست آورد. بدین منظور در این تحقیق سعی شد با ا...
متن کاملپیش بینی عملکرد مزارع نیشکر با استفاده از سیستم فازی- عصبی تطبیقی
پارامترها و عوامل مختلفی از قبیل عمق سطح ایستابی نسبت به سطح زمین، شوری بخش اشباع خاک، عمق آب آبیاری، نوع خاک، رقم و سن گیاه بر عملکرد مزارع نیشکر تأثیر می گذارند. با بررسی این پارامترها و تعیین میزان اثر هر یک از آنها بر عملکرد مزارع نیشکر، میتوان راهکارهایی ارائه داد که با بهره گیری از امکانات و شرایط موجود حداکثر عملکرد را در مزارع نیشکر به دست آورد. بدین منظور در این تحقیق سعی شد با استفاد...
متن کاملپیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدلسازی سیستمهایی که دارای پیجیدگی زیاد یا عدم صراحت بوده و یا دادههای کافی از آنها موجود نیست، استفاده از تئوری مجموعههای فازی از جمله سیستم میباشد. مزیت اصلی این تکنیک نسبت به استنتاج فازی روشهای رایج، این است که این سیستم بر اساس قواعد اگر- آنگاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...
متن کاملتخمین ضریب رواناب رگبار با استفاده از سیستم استنباط فازی- عصبی تطبیقی (ANFIS) در حوزه آبخیز بار اریه نیشابور
The rainfall-runoff process and flooding are hydrological phenomena that are difficult to study due to the influence of different parameters. So far, different methods and models have been provided to analyze these phenomena. The purpose of this study is evaluation of adaptive neuro-fuzzy inference system (ANFIS) for storm runoff coefficient forecasting. To that end, Barariyeh watershed was cho...
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 گنبد کاووس - دانشکده کشاورزی گنبد
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023