کاربرد و مقایسه مدل های سری زمانی و مدل شبکه عصبی مصنوعی در پیش بینی دبیورودی مطالعه موردی: سد استقلال میناب
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 598
This Paper With 17 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:
NACONF03_001
تاریخ نمایه سازی: 30 دی 1394
Abstract:
یکی از مهمترین ارکان مدیریت منابع آب، پیش بینی میزان این منابع در آینده است . اهمیت این پیش بینی ها در تصمیماتی است که به منظور مدیریت بهینه منابع آب صورت می گیرد . در دهه های اخیر با توجه به رشد جمعیت جهان و همچنین افزایش مصرف سرانه آب، کمبود آب شیرین قابل استحصال به معضلی جهانی تبدیل گشته است . از این رو با توجه به محدود بودن منابع آب، مدیریت صحیح و بهینه مهمترین وظیفه سیاستگذاران و مهندسین منابع آب می باشد .در سال های اخیر روش شبکه عصبی مصنوعی به عنوان رقیبی برای روش های سنتی آماری ظهور کرده است. این شبکهها مبتنی بر شبیه سازی های کامپیوتری از نرون های عصبی هستند و با استفاده از یک پایه ی ریاضیاتی عملیات خود راانجام می دهند. شبکه های عصبی مصنوعی به طور گسترده ای در زمینه های مختلف علوم به کار گرفته می شوند و دارایقابلیت های زیادی هستند. در این پژوهش اقدام به پیش بینی دبی ورودی به سد استقلال میناب را با استفاده از 81 مدل شبکه عصبی مصنوعی و مدل های سری زمانیARMA , ARIM شده است. شبکه ی عصبی مصنوعی بهینه دارای چهار نورون در لایه اول و دو نورون در لایه دوم و توابع tansigدر لایه اول و elliotsig, در لایه دوم می باشد. همچنین تابع محرکه لایه خروجی خطی و معیار آزمون عملکرد شبکه یRMSE و ضریب تبیین است. به طور کلی نتایج تحقیق نشان می دهد که مدل غیر خطی شبکه عصبی برای پیش بینی مقادیر دبی ورودی ماهانه به سد استقلال میناب در مقایسه با مدل خطی ARMAعملکرد بهتری دارد و مدل خطی ARMA در شناسایی داده های پیک خیلی ضعیف تر از مدل
Keywords:
Authors
مهرداد فریدونی
استاد یار و عضو هیات علمی دانشگاه آزاد اسلامی واحد لارستان
وحید نمدچی جهرمی
دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد لارستان
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 :