سیستم استنتاج تطبیقی عصبی-فازی با استفاده از خوشه بندی فازی در پیش بینی رواناب

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,087

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCCE06_0885

تاریخ نمایه سازی: 28 مرداد 1390

Abstract:

پیش بینی دقیق رواناب نقش بسزایی در فایق آمدن برمشکلات سیلاب دارد پیچیدگی سیستمهای طبیعی نظیر فرایندهای هیدرولوژیکی استفادها ز مدلهای فیزیکی را با مشکل روبرو می سازد در مدلسازی بارش - رواناب چون پارامترهای بکاررفته معروض به خطا و دارای عدم قطعیت می باشند بنابراین فازی ابزار مناسبی جهت مدلسازی این سیستم ها می باشد و جهت آموزش بهتر مدل سیستم استنتاج تطبیقی عصبی فازی ANFIS استفاده شده است که از سایر مدلها دقیق تر بوده و کمترین خطا را دارددراین تحقیق با استفاده از مدلهای ANFIS و شبکه عصبی جهت مقایسه پیش بینی رواناب ماهانه حوضه کارده ارائه گردیده است به جهت تعداد زیاد پارامترهای موثر در فرایند رواناب استفاده از خوشه بندی FUZZY CLUSTERING شامل SUBCLUSTو FCM جهت پیش پردازش داده ها در سیستم ANFIS بهترین نتایج را ارائه داده است.

Authors

محمد نظیف کار

دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

کیوان اصغری

استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Nourani, _ Komasi, M. Mano, A., (2009), _ Multivariate ANN-Wavelt ...
  • Stuber, M., Gemmar, P., Greving, M., (2000), "Machine Supported Development ...
  • See, L., Openshaw, S., (2000), "Applying Soft Computing Approaches to ...
  • Hundecha, Y., Bardossy, A., Theisen, H., (2001), "Development of a ...
  • Adaptive Network Based Fuzzy Inference System". IEEE :ANFIS؛ه [5] Jang, ...
  • Nayak, P.C., Sudheer, K.P., Rangan, D.M., Ramasastri, K.S., (2004), _ ...
  • Nayak, P.C., Sudheer, K.P., Rangan, D.M., Ramasastri, K.S., (2005), "Short-Term ...
  • doi: 10. _ 029/2 004WR003 562. ...
  • Rojas, I., Valenzuela, O., Rojas, F., Guillen, A., Herrera, L. ...
  • Zounemat- Kermani _ M., Teshnelab. M., "Using Adaptive Neuro-Fuzzy Infrence ...
  • Wang, W. C., Chau. K. W., Cheng, C. T. and ...
  • Firat, M., Turan, M. E. and Yundusev, M. A., (2009), ...
  • Kartalopoulos, S.V., (1996), _ Understanding Neural Networks and Fuzzy Logic, ...
  • Bezdek, J. C., (1981), _ Recognition with Fuzzy Objective Function ...
  • Chiu, S., (1994), "Fuzzy Model Identification Based _ Cluster Estimation, ...
  • Hornik, K., Stichcombe, M., White, H., (1989), "Multi-layer feed forward ...
  • Cigizoglu, H. K., Alp, M., (2008), ،Generalized Regression Neural Network ...
  • Forecasting with a Neuro doi: 10. _ 029/2 004WR003 562. ...
  • نمایش کامل مراجع