مقایسه عملکرد مدل های شبکه عصبی و فازی در تعیین دبی ماهانه جریان با استفاده از آمار کوتاه مدت.
- سال انتشار: 1389
- محل انتشار: فصلنامه علوم و مهندسی آبیاری، دوره: 33، شماره: 2
- کد COI اختصاصی: JR_JISE-33-2_009
- زبان مقاله: فارسی
- تعداد مشاهده: 217
نویسندگان
دانشجوی کارشناسی ارشد گروه سازه آبی، دانشگاه تربیت مدرس
دانشیار گروه مهندسی منابع آب، دانشگاه تربیت مدرس
استاد پژوهشکده حفاظت خاک و آبخیزداری
چکیده
بهره برداری بهینه از سیستمهای منابع آب و به خصوص تعیین زمان واقعی کارکرد مخازن سدها، مستلزم پیش بینی آورد رودخانه هاست. در این مقاله عملکرد مدل های منطق فازی (FL) و شبکه عصبی مصنوعی (ANN) برای پیش بینی یک و دو ماه بعد جریان حوضه کارون در محل ایستگاه هیدرومتری پلشالو با هم مقایسه شده است. در این راستا از سیستم استنتاجی ممدانی برای ساخت مدل های FL و همچنین شبکههای پیشرو سه لایه برای مدل سازی توسط ANN استفاده گردید. بررسی عملکرد این مدل ها با شاخص های ضریب تبیین(R۲)، میانگین قدر مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) نشان داد که در شرایط کم بودن داده ها، مدل FL نسبت به مدل ANN در پیش بینی یک و دو ماه بعد جریان از نظر آماری عملکرد بهتری داشته است. این عملکرد بهتر به طور متوسط مقادیری برابر ۲۵% و ۷% را به ترتیب برای R۲ و RMSE در پیشبینی جریان اسفند ماه به همراه داشته است. نتایج بدست آمده از این دو مدل با مدل رگرسیون خطی چندگانه (MLR) نیز مقایسه گردید که عدم عملکرد مناسب آن را نشان می داد.کلیدواژه ها
پیش بینی جریان, منطق فازی, شبکه عصبی مصنوعی, رگرسیون خطی چندگانهاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.