شبیهسازی تبخیر با استفاده از مدلهای فازی عصبی ومقایسه آن با مدلهای سریزمانی (مطالعه موردی : دشت جم)
محل انتشار: پانزدهمین کنفرانس دانشجویان عمران سراسر کشور
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 506
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESC15_592
تاریخ نمایه سازی: 12 دی 1393
چکیده مقاله:
جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن میباشد . میتوان گفت یکی از مهمترین بخشها از این شناخت مربوط به ارائه مدلی جهت معرفی تبخیر آن حوضه میباشد. در این تحقیق از شبکههای فازی عصبی تطبیقی که ابزاری - نیرومند برای شبیهسازی فرآیندهای غیر خطی است و همچنین از مدلهای آماری کلاسیک سریهای نایستا ARMA استفاده شده است. پتانسیل شبکه های فازی عصبی تطبیقی در مقایسه با مدلهای آماری برای پیش بینی سریهای زمانی - هیدروژئولوژیکی مورد ارزیابی قرار گرفته است. اغلب سعی بر این بوده است که از روش های ریاضی برای مدلسازی این پدیده استفاده شود که در مرحله واسنجی و آموزش یک مدل از تعدادی پارامترهای حوضه استفاده میشود که خود این پارامترها دقیق و بطور کامل قابل اطمینان نمیباشند. ریاضیات فازی با ارئه تابع عضویت بجای عدد مطلق برای پارامتر مذکور دقت عمل را در ارزش دهی دادهها بالا می برد. در این مقاله مدل تبخیر حوضه جم واقع در استان بوشهر با استفاده از روشهای سری زمانی و سیستم استنتاج عصبی فازی تطبیقی ارائه میشود و در نهایت مناسب ترین مدلهای سری زمانی و نروفازی از طریق معیارهای ارزیابی مورد نظر ما مشخص میشوند. 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 میباشد.. نتایج این تحقیق نشان میدهد که شبکههای فازی عصبی تطبیقی توانایی بالاتری را در شبیه سازی تبخیر در مقیاس ماهانه در دشت جم - دارد
نویسندگان
محمد ستوده پور
دانشجوی کارشناسی ارشد سازههای هیدرولیکی ، گروه مهندسی عمران ، دانشگاه آزاد اسلامی واحد لارستان ، لاستان ، ایران
مهرداد فریدونی
استادیار گروه مهندسی عمران ، دانشگاه آزاد اسلامی واحد لارستان ، لارستان ، ایران
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 :