• مدل سازی بارش- رواناب با استفاده ازمدل شبکه فازی عصبی تطبیقی و مقایسه آن با مدل های شبکه عصبی، سری زمانی و رگرسیون خطی چند متغییره

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1395/01/01
    • تاریخ انتشار در تی پی بین: 1395/01/01
    • تعداد بازدید: 482
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    مدیریت منابع آب در عصر حاضر از اهمیت ویژه ای برخوردار شده است. طراحی بهینه پروژه های آبیاری، توسعه و مدیریت بهره برداری از منابع آب خصوصاً در دوره های خشکسالی و مدیریت سیلاب به منظور کاهش زیانهای ناشی از وقوع آن به شدت تابع سطح دقت بکار رفته در شبیه سازی بارش-رواناب خواهد بود. لذا برحسب استفاده از روش های گوناگون، انواع مدل ها توسعه یافته اند. هدف این مقاله مقایسه مدلهای غیرخطی شبکه عصبی و سیستم استنتاج عصبی فازی تطبیقی واز طرفی بررسی کارآیی و قابلیت مدل های ریرخطی درمقایسه با مدلهای خطی آریما و رگرسیون چند متغییره و در نهایت معرفی مدل بهینه می باشد. برای این منظور شبیه سازی فرآیند بارش-رواناب روزانه ایستگاه پل آنیان واقع در حوضه آبریز سد بوکان با طول داده 21 سال با مدلهای نامبرده صورت گرفته است. مقایسه مدلهای مختلف با استفاده از دو پارامتر آماری ضریب تبیین و جذر میانگین مربعات خطا انجام شده که بهترین مدل برای ایستگاه مورد مطالعه مدل سازی با روش شبکه عصبی فازی تطبیقی می باشدکه این نتیجه به علت ماهیت غیرخطی پدیده های هیدرولوژیکی بوده و همچنین بیانگراین است که تلفیق مدل سازی ریر خطی درشبکه عصبی با توابع عضویت منطق فازی تا حدود بیشتری قادر به مدل کردن شرایط هیدرولوژیکی حوضه می باشد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها