پیش بینی سری های زمانی تک متغیره هیدرولوژیکی با استفاده از سیستم فازی بر پایه شبکه عصبی تطبیقی
Publish place: 5th National Congress on Civil Engineering
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 2,456
This Paper With 8 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:
NCCE05_063
Index date: 3 November 2009
پیش بینی سری های زمانی تک متغیره هیدرولوژیکی با استفاده از سیستم فازی بر پایه شبکه عصبی تطبیقی abstract
پیشبینی جریان رودخانه ها یکی از مسائل بسیار مهم در هیدرولوژی میباشد که در طراحی و برنامهریزی منابع آب سطحی نقش بسزایی دارد.استفاده از روشهای مختلف تحلیل سریهای زمانی از شیوه های متداول در پیشبینی عوامل هیدرولوژیکی از جمله جریان رودخانه هاست. روابط پیچیده و تقریبی و بالتبع صرف زمان زیاد در تخمین پارامترهای مدلهای مختلف در روشهای تحلیل سریهای زمانی و از طرف دیگر وجود داده-های کافی با طول مناسب، متخصصین را به استفاده از مدلهای داده محور ترغیب نموده است. سیستم های فازی برپایۀ شبکۀ عصبی تطبیقی یکی ازروشهای کارآمد در زمینه پیشبینی سریهای زمانی هیدرولوژیکی میباشد. در این تحقیق با ایجاد یک سیستم فازی برپایه شبکه عصبی تطبیقی وبا توجه به دادههای موجود از رودخانه زایندهرود، آموزش شبکه صورت گرفته و با استفاده از آن پارامترهای سری زمانی تک متغیره تخمین زده شده است. سپس با کاربرد بخشی از دادهها جهت صحتسنجی، نتایج حاصل از سری زمانی،که پارامترهای آن از سیستم فازی بر پایه شبکه عصبی تطبیقی به دست آمده است، مورد مقایسه قرار گرفت. نهایتا توانایی پیشبینی سیستم فازی بر پایۀ شبکۀ عصبی تطبیقی به صورت مستقل با سیستم فازی بر پایه شبکه عصبی تطبیقی به صورت توأم با سریهای زمانی مورد مقایسه قرار گرفت، که نشان دهنده کارآیی مناسب این سیستمها در پیش-بینی میباشد.
پیش بینی سری های زمانی تک متغیره هیدرولوژیکی با استفاده از سیستم فازی بر پایه شبکه عصبی تطبیقی Keywords:
پیش بینی سری های زمانی تک متغیره هیدرولوژیکی با استفاده از سیستم فازی بر پایه شبکه عصبی تطبیقی authors
محمدحسین گل محمدی
دانشجوی کارشناسی ارشد عمران-آب، دانشگاه صنعتی اصفهان
حمیدرضا صفوی
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 :