مدل شبکه عصبی مصنوعی برای بررسی همبستگی مکانی و زمانی بین ایستگاهها در پیش بینی جریان ورودی به مخزن سد
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,565
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
WRM03_297
Index date: 16 April 2008
مدل شبکه عصبی مصنوعی برای بررسی همبستگی مکانی و زمانی بین ایستگاهها در پیش بینی جریان ورودی به مخزن سد abstract
برآورد جریان ورودی به مخزن سد به دلیل اهمیتی که در مدیریت و بهره برداری از مخزن دارد، از موضوعات مهم در منابع آب محسوب می شود. در مقاله حاضر، جریان ورودی به مخزن سد دز با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل رگرسیون خطی چند متغیره بر اساس آمار آبدهی ایستگاههای هیدرومتری واقع در بالادست مخزن سد دز، با دو رویکرد کلی برای تعیین بهترین الگو با همبستگی زمانی و مکانی، و در مقیاس های زمانی روزانه و ماهانه، پیش بینی شده است. نتایج بدست آمده نشان می دهد در حالت کلی با در نظر گرفتن ضریب همبستگی و معیار میانگین مربعات خطاها، مدل شبکه عصبی مصنوعی ساخته شده عملکرد بهتری نسبت به مدل رگرسیون خطی دارد. همچنین، همبستگی مکانی مقادیر داده های آبدهی ایستگاه سد با مقادیر متناظر در ایستگاه های بالادست سد دز بررسی شده است و ساختار مدل شبکه عصبی مصنوعی که قادر به پی شبینی مطلوب جریان ورودی به مخزن سد در مقیا سهای زمانی کوتاه مدت (روزانه) و بلندمدت (یک ماهه) است، ارائه شده است. بهترین نتیجه پیش بینی کوتاه مدت، دو روز قبل با داده های ایستگاه تنگ پنج و طولانیترین زمان پیش بینی بلندمدت، یک ماه قبل با به کارگیری داده های تمام ایستگاههای بالادست است.
مدل شبکه عصبی مصنوعی برای بررسی همبستگی مکانی و زمانی بین ایستگاهها در پیش بینی جریان ورودی به مخزن سد Keywords:
مدل شبکه عصبی مصنوعی برای بررسی همبستگی مکانی و زمانی بین ایستگاهها در پیش بینی جریان ورودی به مخزن سد authors
محمدابراهیم بنی حبیب
استادیار گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران
سید مجید موسوی
فارغ التحصیل کارشناسی ارشد آبیاری و زهکشی، دانشگاه تهران
فریماه سادات جمالی
دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه تهران
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 :