• شبیه سازی دبی جریان با استفاده از مدل های فازی عصبی و مقایسه آن با مدل های سری زمانی (مطالعه موردی: دشت جم)

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/01/01
    • تاریخ انتشار در تی پی بین: 1393/01/01
    • تعداد بازدید: 649
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    پیش بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می باشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروریترین مسائل برای مدیریت منابع آب می باشد. در این پژوهش به شبیه سازی دبی جریان با استفاده از 2 نرم افزار سری زمانی و شبکه های فازی عصبی تطبیقی پرداخته ایم. ابتدا داده های آماری هیدرولوژیکی را که شامل دبی، بارش، دما و تبخیر را از ایستگاه های سینوپتیک و هیدرومتری موجود در منطقه مطالعاتی بدست می آوریم. طول دوره های آماری باید کافی باشد. سپس تمام آمارهای موجود را همزمان می کنیم و در نهایت از 80% داده ها جهت آموزش شبکه و 20% داده ها جهت تست مدل استفاده می کنیم. در شبکه های فازی عصبی- تطبیقی جهت صحت سنجی مدل، انواع الگوهای مختلف را جهت شبیه سازی دبی جریان و تا حداکثر 2 ماه تاخیر را برسی می کنیم و و در نهایت الگوی برتر را انتخاب می کنیم. معیار ارزیابی جهت انتخاب مدل برتر بین 2 مدل سری زمانی و شبکه های فازی عصبی- تطبیقی، ضریب همبستگی (r2) و مجذور میانگین مربعات خطا(rmse)  می باشد. مدلی که دارای ضریب همبستگی بیشتر و مجذور میانگین مربعات خطای کمتری داشته باشد به عنوان مدل برتر انتخاب می شود. نتایج این تحقیق نشان می دهد که شبکه های فازی عصبی- تطبیقی توانایی بالاتری را در شبیه سازی دبی جریان را در مقیاس ماهانه در دشت جم دارد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها