پیش‎بینی سطح ایستابی با استفاده از سری‏های زمانی و سیستم استنباط فازی‌ـ عصبی تطبیقی

Authors

  • آرش ملکیان استادیار پردیس کشاورزی و منابع طبیعی، دانشکدة منابع طبیعی، دانشگاه تهران
  • بهرام چوبین دانشجوی دکتری، ساری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
Abstract:

مدل‌سازی در مناطق خشک برای مدیریت بهینة منابع آب اهمیت ویژه‌ای دارد. آب زیرزمینی از مهم‌ترین منابع آبی در مناطق خشک محسوب می‌شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل‌های سری زمانی در پیش‌بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل‌های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش‌بینی یک ماه بعد سطح آب‎های زیرزمینی دشت شیراز شد. بهترین ترکیب ورودی و طول داده‌های آموزشی و صحت‎سنجی در مدل انفیس با استفاده از آزمون گاما و M برآورد شد. عملکرد مدل‎های مختلف با پارامترهای خطا و دیاگرام تیلر مقایسه شد. نتایج مدل انفیس نشان داد که این مدل با تابع عضویت Π شکل عملکرد بهتری نسبت به بقیة توابع عضویت دارد (241/1 RMSE= و 953/0 MAE=). مقایسة عملکرد مدل‌ها، حاکی از کارایی بسیار مناسب مدل خطی ARIMA (2,1, 2) نسبت به مدل انفیس با توابع عضویت مختلف است (325/0 RMSE= و 241/0 MAE=).‌ .

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‎بینی سطح ایستابی با استفاده از سری‏های زمانی و سیستم استنباط فازی ـ عصبی تطبیقی

مدل سازی در مناطق خشک برای مدیریت بهینة منابع آب اهمیت ویژه ای دارد. آب زیرزمینی از مهم ترین منابع آبی در مناطق خشک محسوب می شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل های سری زمانی در پیش بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش بینی یک ماه بعد سطح آب‎های زیرزمینی دشت شیراز شد. بهترین ت...

full text

تخمین ضریب رواناب رگبار با استفاده از سیستم استنباط فازی- عصبی تطبیقی (ANFIS) در حوزه آبخیز بار اریه نیشابور

The rainfall-runoff process and flooding are hydrological phenomena that are difficult to study due to the influence of different parameters. So far, different methods and models have been provided to analyze these phenomena. The purpose of this study is evaluation of adaptive neuro-fuzzy inference system (ANFIS) for storm runoff coefficient forecasting. To that end, Barariyeh watershed was cho...

full text

برآورد ضریب زبری بستر کانال‌های خاکی با استفاده از روش‌های شبکه‌های عصبی مصنوعی و سیستم‌های استنباط فازی عصبی-تطبیقی

برآورد ضریب زبری در طراحی کانال‌های خاکی از اهمیت زیادی برخوردارمی باشد. این مساله حتی در مدل سازی عددی پدیده انتقال رسوب دارای اهمیت به سزایی می‌باشد. به همین منظور، تاکنون روش های تجربی زیادی برای تخمین زبری در کانال ها ارائه شده است که غالبا دارای خطای زیادی در تخمین پارامتر مورد نظر می باشند. بنابراین، در این مقاله با استفاده از روش‌های ابزار محاسبات نرم مبتنی بر شبکه‌های عصبی مصنوعی و سیست...

full text

شبیه سازی سطح ایستابی دشت ملایر براساس داده های هواشناسی با استفاده از شبکه‎ی عصبی مصنوعی

برای بررسی کارایی شبکه‎ی عصبی مصنوعی در شبیه‌سازی تغییرات سطح ایستابی سفره‎ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه‌های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به‌عنوان ورودی شبکه‎ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اوّل، شامل میانگین اطلاعات دمای حدّاکثر هوا، دمای حدّاقل هوا، حدّاک...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 45  issue 1

pages  19- 28

publication date 2014-04-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023