پیش بینی سیلاب با مدل ترکیبی چند مقایسه شبکه عصبی مصنوعی موجکی
- سال انتشار: 1393
- محل انتشار: دومین کنفرانس ملی مدیریت و مهندسی سیلاب با رویکرد سیلابهای شهری
- کد COI اختصاصی: IFMC02_008
- زبان مقاله: فارسی
- تعداد مشاهده: 725
نویسندگان
استادیار گروه عمران دانشگاه آیت الله العظمی بروجردی (ره)
دانشجوی رشته مهندسی عمران دانشگاه آیت الله العظمی بروجردی (ره)
چکیده
مدلسازی منطقی و دقیق فرایند بارش- رواناب به عنوان اولین و مهمترینگام در راستای مبارزه با سیلاب به عنوان یک بلای طبیعی می باشد. برای مطالعه ی این فرایند استوکاستیک امروزه از مدل های جعبه ی سیاه هوش مصنوعی مدل شبکه های عصبی مصنوعی که قابلیت پیش بینی و مدلسازی غیرخطی را نیز دارا می باشد بطور گستردهای استفاده می شود. همزمان با گسترش استفاده از شبکه های عصبی مصنوعی، استفاده از آنالیز موجک در زمینه ی هیدرولوژی نیز مطرح گردیده است. ترکیب این دو قابلیت، مدل ترکیبی با کارایی بهتر در پیش بینی فرایندهای هیدرولوژیکی به نام شبکه های عصبی- موجکی را به وجود می آورد. در این مقاله نخست مبانی این شبکه ها بیان شده و سپس با بهره گیری از آن به مطالعه موردی حوضه لیقوان چای پرداخته شده است. نتایج بیانگر آن است که این روش نسبت به روش های کلاسیک گذشته و روش هایی همانند استفاده از شبکه عصبی تنها، کارایی بالاتری را دارا می باشد. چرا که روی میزان تأثیر داده های سری زمانی قبل از ورود به شبکه تفکیک پذیری صورت می گیرد و سیگنال اولیه به چندین زیرسیگنال تجزیه شده که با این کار این امکان فراهم می آید که بتوان از یک آنالیز که تأثیرات کوتاه مدت و بلند مدت را در بر می گیرد بهره مند شد که این به نوبه خود شبکه را در ارزیابی و تخمین های آینده بهینه تر می سازد.کلیدواژه ها
آنالیز موجک، شبکه های عصبی- موجکی، مدلسازی بارش- رواناب، لیقوان چایمقالات مرتبط جدید
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.