مدل سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان
Publish place: Journal of Watershed Management Research، Vol: 7، Issue: 13
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 291
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-7-13_013
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
مدلسازی فرآیند بارش - رواناب و پیشبینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلابها، طراحی سازههای آبی در حوزههای آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیهسازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روشهای هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین دادههای ورودی و خروجی میباشند. در این تحقیق از آمار بارش، تبخیر و دما ایستگاه هواشناسی سنگده که ورودی مدلها و آمار دبی ایستگاه ولیکبن که خروجی مدلها محسوب میشود طی سالهای ۱۳۸۲ تا ۱۳۸۸ استفاده شد. تعداد تاخیرهای لازم برای ورود متغیرهای ورودی به شبکهها با استفاده از نمودار خودهمبستگی جزئی به دست آمد. از بین متغیرهای مختلف در هر دو مدل ساختار بارش و تبخیر با یک روز تاخیر برای مدل بهینه انتخاب شد. سپس نتایج با استفاده از نمایههایRMSE ، NSH،MAE و Rmod برای مدل بهینه در هر دو مدل ارزیابی گردید. نتایج نشان داد که شبکه عصبی- فازی تطبیقی با تابع عضویت زنگولهای شکل، شعاع تاثیر ۱۴/۰ و نمایههای آماری ۸۰/۰ NSH=، ۰۵۶/۰ RMSE=، ۱۱/۰ MAE= و ۸۱/۰ Rmod= نسبت به مدل شبکه عصبی مصنوعی با همان ساختار با الگوریتم آموزشی لونبرگ- مارکوارت، تابع انتقال سیگمویید،۱۴ نرون در لایه مخفی و نمایههای آماری ۵۴/۰ NSH=، ۰۵۶/۰ RMSE=، ۱۴/۰ MAE= و ۸۷/۰ Rmod= در دوره آزمون توانایی بهتری برای مدلسازی بارش - رواناب در حوزه آبخیز کسیلیان دارد.
Keywords:
ANN , ANFIS , Kasilian Watershed , Rainfall-Runoff Modeling , مدلسازی بارش- رواناب , حوزه آبخیز کسیلیان , شبکه عصبی مصنوعی , شبکه عصبی- فازی تطبیقی
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 :