استفاده ترکیبی از تبدیل موجک و مدل های هوشمند در شبیه سازی جریان رودخانه (مطالعه موردی: رودخانه های کاکارضا و سراب صیدعلی)

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 437

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WATER-8-4_001

تاریخ نمایه سازی: 15 تیر 1398

Abstract:

چکیده بی­شک اولین قدم برای مدیریت منابع آب پیش بینی و برآورد جریان رودخانه ها است. در این مطالعه به منظور پیش بینی سری زمانی جریان روزانه و ماهانه ایستگاه های کاکارضا و سراب صیدعلی، مدل های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیه سازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به مدت 12 سال (1392-1380) به وسیله تبدیل موجک به زیر سری های فرکانسی تجزیه شد، سپس این زیرسری ها به عنوان داده های ورودی به مدل های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی وارد شد. نتایج بدست آمده حاکی از آن بود که سیستم استتتاج فازی عصبی تطبیقی با میزان خطای کمتر و ضریب همبستگی بیشتر نسبت به روش شبکه عصبی مصنوعی از دقت بالاتری برخوردار است و اعمال تبدیل موجک روی داده های اصلی جریان و بارش باعث بهبود چشمگیر نتایج پیش بینی شد.

Keywords:

واژه های کلیدی: شبکه عصبی مصنوعی , سیستم استتتاج فازی عصبی تطبیقی , تبدیل موجک , بارش-رواناب

Authors

امیر پورحقی

دانشکده مهندسی علوم آب

اباذر سلگی

، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

فریدون رادمنش

اهواز، دانشیار گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.

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 :