بهره گیری ازشبکه عصبی- مصنوعی برای بهینه سازی مدل سری زمانی (ARIMA) بارش– رواناب
- سال انتشار: 1387
- محل انتشار: سومین کنفرانس مدیریت منابع آب
- کد COI اختصاصی: WRM03_569
- زبان مقاله: فارسی
- تعداد مشاهده: 2037
نویسندگان
استادیار دانشکده مهندسی عمران،دانشگاه تبریز
کارشناس ارشد سازه های هیدرولیکی دانشگاه تبریز
دانشجوی دکتری مهندسی آب دانشگاه تبریز
چکیده
پیشبینی صحیح و مناسب فرآیندهای هیدرولوژیکی میتواند کمک شایانی در زمینه طراحی پروژه های آبی و نیز جلوگیری از خطرات ناشی از آنها داشته باشد. خاصیت غیرخطی، عدم قطعیت ذاتی فرآیندهای استوکاستیک و پیچیده بودن مدلهای فیزیکی از دلایلی بوده است که باعث شده محققان به سوی مدل های جعبه سیاه از جمله مدل سری زمانی و مدل شبکه عصبی مصنوعی روی آورند. در این مقاله یک مدل ترکیبی که متشکل از دو مدل شبکه عصبی و مدل خطی سری زمانی است، ارائه شده و ط ی آن به مطالعه موردی در زمینه مدلسازی فرآیند بارش رواناب حوضه اهر چای واقع در استان آذربایجانشرقی پرداخته شده است . مدل ترکیبی شامل دو قسمت است؛ قسمت اول مدلسازی فرآیند بارش رواناب با الگوی سری زمانی است، قسمت دیگر برآورد و تخمین باقیمانده های سری زمانی با استفاده از شبکه های عصبی مصنوعی است که مقدار پیش بینی رواناب را به مقدار واقعی نزدیک تر میکند. بر اساس نتایج بدست آمده از این تحقیق، دقت مدل ترکیبی از مدل سری زمانی بیشتر است به طوریکه مدل ترکیبی میتواند جا یگزین نسبتاً مناسبی برای پیشبینی فرآیند بارش-رواناب باشد که یک مدل نیمه-خطی از فرآیندهای استوکاستیک را ارائه میدهد.کلیدواژه ها
اهر چای، سری زمانی، شبکه عصبی، مدلسازی بارش- رواناب، مدل جعبه سیاه ، ARIMAمقالات 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.