• شبیه سازی بارش با استفاده از مدل های فازی عصبی و مقایسه آن با مدل های سری زمانی (مطالعه موردی: دشت جم)

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/01/01
    • تاریخ انتشار در تی پی بین: 1393/01/01
    • تعداد بازدید: 555
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن می باشد. می توان گفت مهم ترین بخش از این شناخت مربوط به ارائه مدلی جهت معرفی بارش آن حوضه می باشد با توجه به عدم دسترسی به اطلاعات هیدرولیکی حوضه های مورد مطالعه اغلب این مدل سازی ها بصورت هیدرولوژیکی یا گرده ای و با استفاده از آمار سال های قبل صورت می گیرد. اغلب سعی بر این بوده است که از روش های ریاضی برای مدل سازی این پدیده استفاده شود که در مرحله واسنجی و آموزش یک مدل از تعدادی پارامترهای حوضه استفاده می شود که خود این پارامترها دقیق و بطور کامل قابل اطمینان نمی باشند. ریاضیات فازی با ارئه تابع عضویت بجای عدد مطلق برای پارامتر مذکور دقت عمل را در ارزش دهی داده ها بالا می برد. در این مقاله مدل بارش حوضه جم واقع در استان بوشهر با استفاده از روش های سری زمانی و سیستم استنتاج عصبی فازی تطبیقی ارائه می شود و در نهایت مناسب ترین مدل های سری زمانی و نروفازی از طریق معیارهای ارزیابی مورد نظر ما مشخص می شوند. معیار ارزیابی جهت انتخاب مدل برتر بین 2 مدل سری زمانی و شبکه های فازی عصبی تطبیقی، ضریب همبستگی(r2)  و مجذور میانگین مربعات خطا(rmse)  می باشد. نتایج این تحقیق نشان می دهد که شبکه های فازی عصبی- تطبیقی توانایی بالاتری را در شبیه سازی بارش در مقیاس ماهانه در دشت جم دارد.

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