بررسی تاثیر دما بر میزان بار رسوب معلق با استفاده از سیستم فازی- عصبی تطبیقی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,196

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM03_501

تاریخ نمایه سازی: 28 فروردین 1387

چکیده مقاله:

پیشبینی صحیح و دقیق مقدار رسوب میتواند نقش بسزایی در فایق آمدن بر مشکلات وافر رسوب داشته باشد. در این تحقیق مدل هوشمند (سیستم فازی- عصبی تطبیقی) جهت بررسی تاثیر دما بر مقدار رسوب روزانه در حوضة آبریز لیقوان چای، واقع در استان آذربایجانشرقی ارائه گردیده است. برای بررسی بیشتر تاث یر دما دادههای هیدرولوژیکی هچون دبی جریان،درجه حرارت ورسوب به شش دسته ترکیبی از آنها تقسیم کرده و در نهایت بهترین ترکیب تعیین گردید. همچنین نتایج سیستم فازی- عصبی تطبیقی مذکور با نتایج بدست آمده از شبکه های عصبی مصنوعی، روشهای سنتی رگرسیون خطی و مدل سری زمانی ARIMA مقایسه شده است. عمدهترین مزیت مدلساری فازی سادگی و قابل فهم بودن آن است. علاوه بر این نتایج این مقایسات نشان میدهد که دقت مدلسازی فازی- عصبی تطبیقی از سایر مدلها بیشتر است.

کلیدواژه ها:

بار رسوب معلق ، شبکه های عصبی مصنوعی ، ، سیستم فازی - عصبی تطبیقی ، مدل سری زمانی ، رگرسیون خطی

نویسندگان

وحید نورانی

استادیار دانشکده مهندسی عمران ، دانشگاه تبریز

لیلا ملکانی

کارشناس ارشد عمران - آب

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 :
  • Abrahart, R. J., White, S. M. (2001). 4Modelling sediment transfer ...
  • Cigizoglu, H. K. (2003).، Estimation and forecasting of daily suspended ...
  • Murat, A. and Cigizoglu, H. K. (2005).، Suspended sediment load ...
  • Murat, A. and Cigizoglu, H. K. (2005).، Generalized regression neural ...
  • Chang, F. J. and Chang, Y. T. (2006). *Adaptive neuro-fuzzy ...
  • Tayfur, G., Ozemir, S. and Singh, V.P. (2003).، Fuzzy logic ...
  • Nagy, H.M., Watanabe, K. and Hirano, M. (2002).، Prediction of ...
  • Kisi, O. (2005).، Suspended sediment estimation using neuro-fuzzy and neural ...
  • Ross, T.J. *Fuzzy logic with engineering application?, McGraw Hill, Inc., ...
  • Jang, J, S., Sun, C. T. and Mizutani, E. (1997). ...
  • نمایش کامل مراجع