پیش بینی بارش ماهانه با مدل ترکیبی شبکه عصبی مصنوعی-موجک و مقایسه با مدل شبکه عصبی مصنوعی
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 6، شماره: 3
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 123
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-6-3_002
تاریخ نمایه سازی: 3 اسفند 1400
چکیده مقاله:
بدون شک اولین قدم در مدیریت رودخانه پیشبینی بارش سطح حوضه آبریز میباشد. با این حال، با توجه به بالا بودن خاصیت تصادفی فرآیندها، بسیاری از مدلها هنوز هم به منظور تعریف چنین پدیده پیچیدهای در زمینه مهندسی هیدرولوژیک توسعه داده میشوند. اخیرا شبکههای عصبی مصنوعی به عنوان یک برونیابی و درون یابی غیرخطی گسترده توسط هیدرولوژیستها مورد استفاده قرار میگیرد. در پژوهش حاضر، تجزیه و تحلیل موجک به صورت ترکیب با شبکه عصبی مصنوعی و مقایسه با شبکه عصبی مصنوعی برای پیشبینی بارش ایستگاه وراینه در شهرستان نهاوند انجام شد. برای این منظور، سری زمانی اصلی با استفاده از تئوری موجک به چندین زیرسیگنال زمانی تجزیه شد، پس از آن این زیرسیگنالها به عنوان دادههای ورودی به شبکه عصبی مصنوعی برای پیشبینی بارش ماهانه استفاده شد. نتایج به دست آمده نشان داد که با توجه به ضریب همبستگی ۹۲/۰ و میانگین مربعات خطای ۰۰۲/۰ مدل ترکیبی شبکه عصبی مصنوعی-موجک، عملکرد این مدل نسبت به مدل شبکه عصبی مصنوعی با ضریب همبستگی ۷۵/۰ و میانگین مربعات خطای ۰۰۳/۰ بهتر میباشد و میتواند برای پیشبینی بارش کوتاه مدت و بلند مدت استفاده شود.
کلیدواژه ها:
نویسندگان
اباذر سلگی
مهندسی منابع آب ،دانشکده علوم آب، دانشگاه شهید چمران
حیدر زارعی
استادیار گروه هیدرولوژی و منابع آب دانشگاه شهید چمران
، امیر پور حقی
مهندسی منابع آب ،دانشکده علوم آب، دانشگاه شهید چمران اهواز
حمیدرضا خدا بخشی
، معاون طرح و توسعه شبکه های آبیاری و زهکشی سازمان آب و برق خوزستان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :