شبیه سازی فرآیند بارش- رواناب با استفاده از سیستم تطبیقی استنتاج فازی - عصبی (ANFIS)

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,657

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM03_468

تاریخ نمایه سازی: 28 فروردین 1387

چکیده مقاله:

بهره برداری بهینه و مناسب از منابع آب یکی از وظایف مهم مدیران منابع آب می باشد.از طرفی دیگر عدم تخمین مناسب رواناب حاصل از بارش در حوضه های آبریز،مدیریت بهینه منابع آبی و به ویژه مدیریت بهره برداری مخازن سدها را دچار مشکل می نماید.در این میان مقوله شبیه سازی به عنوان راهکاری مناسب جهت تخمین رواناب،نمود پیدا می کند.تا کنون مدلها و روشهای مختلفی برای تخمین و شبیهسازی فرآ یند بارش - رواناب ارائه شده است که با استفاده از آنها شدت جریان رودخانه ها پیشبینی می شود . در این تحقیق از سیستم تطبیقی استنتاج فازی- عصبی (ANFIS) بعنوان مدل مبتنی بر هوش مصنوعی، برای شبیه سازی فرآ یند بارش- رواناب و تخمین آورد روزانه رودخانه مهاباد استفاده شده است. از مجموعه داده های رواناب روزانه رودخانه مهاباد از سال ۷۵ الی ۸۴ برای توسعه مدلهای مختلف ANFIS با ساختارهای ورودی متفاوت استفاده شده است.همچنین پنج مجموعه داده آموزش- آزمایش ساخته شد و در نهایت با استفاده از معیارهای آماری، مجذور متوسط مربعات خطای نسبی (RRMSE) ، متوسط خطای مطلق (MAPE) و ضریب تبیین (R2) ، ساختار بهینه مدل برای تخمین جریان روزانه رودخانه مهاباد انتخاب شد.

کلیدواژه ها:

بارش- رواناب ، مدیریت منابع آب ، سیستم تطبیقی استنتاج فازی-عصبی

نویسندگان

محمدامین عنایتی سردره

دانشجوی دوره کارشناسی ارشد عمران آب دانشگاه آزاد اسلامی واحدمهاباد

سیدجمیل قادری

استاد یار دانشگاه آزاد اسلامی واحد مهاباد

عثمان محمدپور

مربی دانشگاه آزاد اسلامی واحد مهاباد

محمدتقی اعلمی

استادیار دانشگاه تبریز

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 :
  • -Jang, J.S.R., Sun, C.T., Mizutani, E., 1997. Neuro-fuzzy and Soft ...
  • A C omputational Approach to Learning and Machine Intelligence. Prentice-Hall ...
  • -Nayak P.C. Sudheer K.P. Rangan D.M. Ramasastri K.S.(2004)" A neuro-fuzzy ...
  • computing technique for modeling hydrological time series" Journal of Hydrology ...
  • - Mahmut Firat, Mahmud Gungor, 2006, _ River flow estimation ...
  • -Muhammad Aqil, Ichiro Kita, , Akira Yano, _ Nishiyama. (2007). ...
  • modeling of the daily and hourly behaviour of runoff" Journal ...
  • - Fi-John Chang , Ya-Ting Chang (2006) "Adaptive neuro-fuzzy inference ...
  • نمایش کامل مراجع