پیش بینی آب دهی روزانه ورودی به مخزن سد دز با استفاده ازمدل هیبریدی استاتیک-دینامیک شبکه عصبی مصنوعی
- سال انتشار: 1390
- محل انتشار: اولین کنفرانس بین المللی و سومین کنفرانس ملی سد و نیروگاههای برق آبی
- کد COI اختصاصی: NCHP03_067
- زبان مقاله: فارسی
- تعداد مشاهده: 988
نویسندگان
دکترای عمران- مهندسی آب، استادیار گروه مهندسی آبیاری و زهکشی، پردیس اب
کارشناسی ارشد مهندسی آبیاری و زهکشی
چکیده
در کشور ایران که در اقلیم خشک و نیمهخشک قرار دارد، سدهای مخزنی در تأمین نیازهای شرب، کشاورزی و صنعت ازاهمیت ویژهای برخوردارند. در این راستا، برآورد مقدار آورد رودخانه به مخزن سد از موضوعات با اهمیت محسوب میشود. از طرف دیگر پیشرفت مدلهای ریاضی، کاربرد آ نها را در زمینه پی شبینی جریان افزایش داده است. در سالهای اخیر، از شبکههای عصبی مصنوعی به دلیل توانمندی آ نها در حل مسائل پیچیده و غیرخطی، ب هطور گستردهای استفاده شده است. در این تحقیق، یک مدل هیبریدی استاتیک- دینامیک شبکه عصبی مصنوعی برای پی شبینی جریان ورودی مخزن سد پیشنهاد شده است. مدل ساخته شده با استفاده از آمار روزانه ایستگاه تلهزنگ واقع در بالادست سد مخزنی دز به پی شبینی آ بدهی روزانه این سد برای سال آبی 86-85 پرداخته است. در این مدل با استفاده از تابع آموزش لونبرگ مارکوارت و توابع فعالیت تانژانت هایپربولیک و سیگموئیدی برای لایه مخفی و تابع خطی برای لایه خروجی، ساختارهای مختلف شبکه عصبی مصنوعی طی آزمونهای مختلف بررسی شدند و در نهایت ساختاری که کمترین مقدار را برای شاخص متوسط خطای نسبی MARE) به همراه داشت، ب هعنوان مناسبترین ساختار مدل شبکه عصبی مصنوعی انتخاب شد. نتایج تحقیق نشان داد، مدل هیبریدی استاتیک- دینامیک شبکه عصبی مصنوعی با دو نرون در لایه مخفی و اعمال 3 تأخیر زمانی روی خروجیهای تست شبکه توانسته با خطایی معادل 33 درصد، سری روزانه آ بدهی ورودی به مخزن سد دز در یک سال آینده را پی شبینی کند. این در حالی بود که، آموزش استاتیک شبکه فقط با استفاده از داد ههای سه روز قبل انجام شد. همچنین نتایج نشان داد، مناسبترین توابع شبکه، تابع آموزش لونبرگ مارکوارت و تابع فعالیت سیگموئیدی برای لایه پنهان و تابع خطی برای لایه خروجی هستند.کلیدواژه ها
پی شبینی جریان ورودی به مخزن سد، سد دز، شبکه عصبی مصنوعی، مدل هیبریدی استاتیک -دینامیکمقالات مرتبط جدید
- بررسی پدیده خشکسالی در استان خوزستان با استفاده از شاخص بارش استانداردSPI
- طبقه بندی تومورهای مغزی از تصاویر MRI با شبکه کانولوشن و روش های آموزش انتقال
- افزایش راندمان یک مبدل ترکیبی توان بالا با استفاده از تکنیک ZCT در عملیات سوئیچینگ نرم
- GNRFET-based Voltage Controlled Ring Oscillator Using GDI NAND Gate
- مقابله با اثرات جدا شدنی ناگهانی توربین گازی از شبکه سراسری، با استفاده از سیستم فازی ریزش بار بر پایه شبکه عصبی
اطلاعات 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.