مدل پیش بینی جریان رودخانه با استفاده از سیستم فازی fis و الگوریتم بهینه سازی pso

اسناد مشابه

• پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

  مقالهتحقیقات منابع آب ایرانندا پوستی زاده، کارشناسی ارشد/ سازه های آبی، دانشگاه تربیت مدرس، تهران جمال محمدولی سامانی، دانشیار گروه سازه های آبی ، دانشگاه تربیت مدرس، تهران امین کوره پزان دزفولی، کارشناس ارشد/ عمران آب، وزارت نیرو، تهران

  یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیجیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی از جمله سیستم می باشد. مزیت اصلی این تکنیک نسبت به استنتاج فازی روش های رایج، این است که این سیستم بر ا

• مقایسه کاربرد شبکه عصبی مصنوعی (ann) با سیستم استنتاج فازی (fis) در پیش بینی جریان رودخانه زاینده رود

  مقالهتحقیقات منابع آب ایرانندا پوستی زاده، دانشجوی دکتری/ سازه های آبی، دانشگاه شهید چمران، اهواز، ایران نعیمه نجفی، کارشناسی ارشد/ سازه های آبی، دانشگاه مازندران، ایران

  یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیچیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی و شبکه عصبی مصنوعی می باشد. مزیت اصلی این تکنیک ها نسبت به روش های رایج این است که در مدت زمان نسبتاً ک

• پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

  مقاله۲۰۰۸تحقیقات منابع آب ایرانندا پوستی‌زاده، جمال محمدولی سامانی، امین کوره‌پزان دزفولی

  یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیجیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی از جمله سیستم می‌باشد. مزیت اصلی این تکنیک نسبت به استنتاج فازی روش‌های رایج، این است که این سیستم بر ا

• مقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیش بینی جریان رودخانه زاینده رود

  مقاله۲۰۱۱تحقیقات منابع آب ایرانندا پوستی زاده، نعیمه نجفی

  یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیچیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی و شبکه عصبی مصنوعی می‌باشد. مزیت اصلی این تکنیک‌ها نسبت به روش‌های رایج این است که در مدت زمان نسبتاً ک

• شبیه سازی و پیش بینی جریان رودخانه ها با استفاده از شبکه عصبی و مدل فوریه

  مقالهتحقیقات منابع آب ایرانناصر رستم افشار، استادیار /دانشگاه صنعت آب و برق (شهید عباس پور) هدایت فهمی، شرکت مدیریت منابع آب ایران علیرضا پیره، کارشناس /گروه پژوهشی جاماب

  مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزما

• ارزیابی عملکرد برخی مدل های آماری و محاسبات نرم در پیش بینی جریان رودخانه

  مقالهتحقیقات منابع آب ایرانحمید معینی، دانشجوی کارشناسی ارشد/ مهندسی عمران آب دانشگاه رازی، کرمانشاه، ایران حسین بنکداری، استاد/ گروه مهندسی عمران دانشگاه رازی، کرمانشاه، ایران صاحبه عبدالهی، کارشناس ارشد/ مهندسی عمران آب، دانشگاه رازی، کرمانشاه، ایران

  باتوجه به کاهش منابع آب به خصوص در کشور ایران، پیش بینی جریان رودخانه اهمیت زیادی یافته و لازم است از بهترین روش ها استفاده گردد. بدین منظور روش های خطی و غیرخطی زیادی وجود دارد. ازآنجایی که تشخیص خطی یا غیرخطی بودن دبی ماهانه دشوار است، در این پژوهش عملکرد برخی مدل های خطی و غیر