ارزیابی روش عصبی-فازی در تخمین بارندگی (مطالعه موردی: شهر همدان)
Publish place: 6th Iranian National Water Resources Management Conference
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 594
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM06_226
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
بارش یکی از مهم ترین داده های ورودی به سیستم های هیدرولوژیکی محسوب می شود. اطلاعات دقیق در مورد بارش برای مدیریت منابع آب ضروری و حیاتی است. در این پژوهش از مدل سیستم استنتاج تطبیقی عصبی فازی (CANFIS) به منظور پیش بینی بارش سالانه شهر همدان استفاده شد. برای این منظور از اطلاعات ایستگاه سینوپتیک فرودگاه همدان طی سال های 1977 تا 2010 بهره گرفته شد. بدین جهت از دو گروه داده های هواشناسی غیربارشی شامل ماکزیمم رطوبت نسبی، میانگین رطوبت نسبی، ابرناکی، ماکزیمم دما و مینیمم دما و داده های بارشی در گام های زمانی قبل (t-1 و t-2 و t-3) به عنوان ورودی استفاده شد. بهترین ساختار در تعیین بارندگی با پارامترهای غیر بارشی، ساختار با دو تابع عضویت گوسین دارای میانگین مربعات خطا (RMSE)، میانگین مجذور مربعات خطای نرمال (NRMSE) میانگین قدر مطلق خطا (MAE)، میانگین خطای اریب (MBE) به ترتیب 12/95 و 0/04 و 51/69 و 13/98- بود. ساختار بهینه در تعیین بارندگی با پارامترهای بارشی، با سه تابع عضویت زنگوله ای دارای (RMSE) و (NRMSE) و (MAE) و (MBE) به ترتیب 66/32 و 0/21 و 56/89 و 4/63- بود. با توجه به یافته های تحقیق اجرای مدل CANFIS با پارامترهای غیربارشی از نظر آماره های خطا سنجی بهتر از پارامترهای بارشی ارزیابی گردید.
Authors
فاطمه اخوان
دانشجوی کارشناسی ارشد منابع آب دانشگاه ملایر
مریم بیات ورکشی
استادیار مهندسی منابع آب دانشگاه ملایر
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 :