پیش بینی سیلاب با استفاده از شبکه عصبی مصنوعی و سری زمانی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده کشاورزی
- نویسنده مریم صالحی
- استاد راهنما عباس رضایی استخروئیه کوروش قادری
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
سیلاب را می توان یکی از مخرب ترین بلایای طبیعی دانست که علاوه بر جان انسانها سرمایه آنها را نیز تهدید می کند. برای مهار سیلاب آنچه در درجه نخست دارای اهمیت است پیش-بینی مقدار سیلاب می¬باشد. لذا برای تحقق این امر، از مدل های جعبه سیاه از جمله مدل سری های زمانی و یا اخیراً از مدل شبکه های عصبی مصنوعی (ann) بطور گسترده استفاده می شود که قابلیت پیش بینی و مدلسازی غیرخطی را نیز دارا می باشد. هدف از این پژوهش پیش¬بینی سیلاب رودخانه تیره واقع در شمال شرق استان لرستان با استفاده از شبکه عصبی مصنوعی و سری زمانی می¬باشد. در این پژوهش از دو شبکه پس انتشار و تابع پایه شعاعی جهت پیش¬بینی سیلاب رودخانه تیره لرستان استفاده شد و نتایج این شبکه¬ها با مدل سری¬های زمانی مقایسه گردید. برای این منظور از داده¬های روزانه هیدرولوژیکی ایستگاه تیره طی دوره آماری 23ساله( 1369تا 1391) استفاده شد. با بررسی همبستگی بین داده¬ها و دبی رودخانه تیره مشخص شد که بارش و دبی با تأخیرهای مختلف پارامترهای موثر بر جریان سیلابی هستند. پس از نرمالیزه کردن داده¬ها، مدلهای پس انتشار و تابع پایه شعاعی ایجاد شد. بررسی مدل¬های مذکور نشان داد که شبکه¬های تابع¬ پایه شعاعی بهترین نتایج را در بین انواع شبکه¬های عصبی دارند. با مقایسه این شبکه¬ها و مدل¬های سری زمانی مشخص شد که مدل شبکه عصبی با ضریب تعیین ، 0/98و ریشه میانگین مربعات خطا، 0/0039 ، پیش¬بینی بهتری نسبت به مدل armax و arima از سیلاب رودخانه تیره دارد. کلیدواژه : پیش¬بینی، سیلاب، رودخانه تیره لرستان، شبکه عصبی مصنوعی ، سری زمانی
منابع مشابه
پیش بینی قیمت جوجه یکروزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدل های سری زمانی
متن کامل
پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...
متن کاملکاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
متن کاملپیش بینی قیمت جوجه یکروزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدل های سری زمانی
0
متن کاملمدل سازی و پیش بینی ضایعات نان با استفاده از مدل های سری زمانی و شبکه های عصبی مصنوعی
دراین مطالعه به منظور بررسی عوامل مؤثر بر ضایعات نان و تعیین روابط کوتاه مدت، بلندمدت و ضریب تصحیح خطا بین ضایعات نان و متغیرهای مستقل مؤثر برآن طی سال های 1385-1357 و پیش بینی ضایعات نان از الگوی سری زمانی چند متغیره ardl استفاده شده است. بر اساس الگوی ardl ضایعات نان در بلندمدت تابعی مستقیم از تولید ناخالص ملی و رشد شهرنشینی می باشد و قیمت نان و ضریب جینی بر ضایعات نان اثر معکوس دارند. در کوت...
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 شهید باهنر کرمان - دانشکده کشاورزی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023