بررسی تأثیر پارامتر محاسباتی زمان متمرکزT) بر تخمین بار رسوب با استفاده از تکنیک عصبی-فازی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 959

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IREC09_057

تاریخ نمایه سازی: 19 اسفند 1391

چکیده مقاله:

تخمین بار رسوب اهمیت ویژهای در زمینههای هیدرولوژی، محیط زیست و ... دارد. مهمترین رابطه برای تخمین بار رسوب یک رابطهی رگرسیونی توانی میباشد که در برخی موارد نتایج آن با واقعیت تفاوت زیادی دارد . درسالهای اخیر با پیشرفت علوم از هوش مصنوعی در زمینههای مختلف استفاده میگردد. در این تحقیق توانایی مدلANFIS) در تخمین بار رسوب چهار ایستگاه در آمریکا بررسی گردید. بدین منظور اطلاعات مربوط به دبیو بار رسوب روزانه این ایستگاهها با پنج ترکیب ورودی مختلف متشکل از دبی همان روزQt) دبی روز قبل Qt-) بار رسوب روز قبل(Lt-1و زمان متمرکزT)به عنوان ورودیANFIS در نظر گرفته شد. نتایج نشان داد دقت بهترین ترکیب مدلANFIS بسیار بیشتر از مدل رگرسیونی میباشد. ترکیبهای مختلف برای تخمین بار رسوب روزانه با یکدیگر مقایسه گردید. نتایج نشان داد پارامتر زمان متمرکز که محاسباتی میباشد و نیاز به اندازه - گیری ندارد در صورتیکه محدودیت برداشت داده وجود داشته باشد باعث بهبود نتایج میگردد. در مجموع درصورتیکه دبی و بار رسوب روز قبل موجود باشد ترکیبQt,Qt-1,Lt- 1میتواند بهترین نتیجه را در تخمین بار رسوب روزانه ارائه دهد

نویسندگان

سیدمرتضی سیدیان

استادیار گروه آبخیزداری دانشگاه گنبد کاووس

معصومه فراستی

استادیار گروه مهندسی آب دانشگاه رازی کرمانشاه

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 :
  • Bradu, D., and Mundlak, Y. (1970). "Estimation in lognormal linear ...
  • Syvitski, J.P.M., Morehead, M.D., Bahr, D.B. and Mulder, T. (2000). ...
  • Cobaner, M., Unal, B. and Kisi, O. (2009). "Suspended sediment ...
  • Kisi, O. and Shiri, J. (2012). _ River suspended sediment ...
  • Kisi O. (2005). Suspended sediment estimation using neuro-fuzzy and neural ...
  • Rajaee, T., Mirbagheri, SA., Zoun emat-Kermani, M. and Nourani, V. ...
  • Cohn, T. _ Caulder, D. L., Gilroy, E. J., Zymjuk, ...
  • Zadeh, L.A. (1965). "Fuzzy sets. Information and Control." Vol. 8, ...
  • Jang, J.S.R. (1993). "ANFIS: adaptive network-based fuzzy inference systems." IEEE ...
  • Wang, P. and Linker, L.C. (2008). _ Improvement of Regression ...
  • th International River Engineering Conference Shahid Chamran University, 22-24 jan ...
  • نمایش کامل مراجع