بررسی عملکرد مدل شبکه عصبی موجک در تخمین دبی روزانه
نویسندگان
چکیده مقاله:
سیل یکی از بلایای طبیعی مهمی است که همه ساله باعث ایجاد خسارت‌های مالی و جانی فراوانی به جوامع مختلف می‌گردد. به همین دلیل محققین سعی نموده‌اند که تغییرات کمی این پدیده را حتی‌المقدور به طور دقیق مورد بررسی قرار دهند. در این پژوهش برای تخمین دبی روزانه ایستگاه بادآور نورآباد واقع در استان لرستان از مدل شبکه عصبی موجک استفاده شد و نتایج آن با سایر روش‌های هوشمند ازجمله شبکه عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر حداکثر بارش 24 ساعته یک تا چهار روز قبل در مقیاس زمانی روزانه در طی دوره آماری (1391-1381) به‌عنوان ورودی و دبی حداکثر روزانه به‌عنوان پارامتر خروجی مدل‌ها انتخاب گردید. معیارهای ضریب تعیین، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدل‌ها مورداستفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین دبی روزانه دارند، مقایسه نتایج نشان داد مدل شبکه عصبی موجک عملکرد بهتری نسبت به مدل شبکه عصبی مصنوعی در مدل‌سازی دارد، به‌گونه‌ای که مدل شبکه عصبی موجک با بالاترین ضریب تعیین (920/0)، جذر میانگین مربعات خطا (005/0) و نیز میانگین قدر مطلق خطا (003/0) در مرحله صحت سنجی در اولویت قرار گرفت. درمجموع نتایج نشان داد استفاده از مدل شبکه عصبی موجک می‌تواند درزمینه تخمین دبی روزانه مفید باشد.
منابع مشابه
کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد
خشکسالی یکی از پدیده‌های آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع می‌پیوندد. پیش‌بینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم‌های منابع آب، تعیین نیاز آبی گیاه ایفا می‌نماید. بدین منظور در این پژوهش از دادههای 4 ایستگاه باران‌سنجی نورآباد، بروجرد، الشتر و دورود واقع در استان لرستان، به بررسی خشکسالی با استفاده از شاخص بارش استاندارد SPI در مقیاسهای ز...
متن کاملکاربرد مدل سازی شبکه عصبی مصنوعی در تخمین ضریب دبی سرریزهای خطی
سرریزها از جمله سازه های مهم هیدرولیکی هستند که در کانال ها و شبکه های آبرسانی موارد استفاده فراوانی دارند. از رایج ترین انواع سرریزها می توان به سرریزهای مستطیلی، مثلثی و ذوزنقه ای اشاره نمود. در این مطالعه روشی بر اساس مدل سازی شبکه های عصبی مصنوعی، به منظور تعیین ضریب دبی این دسته از سرریزها که به علت داشتن تابع عرضی خطی تحت عنوان کلی سرریزهای خطی بیان شده اند، ارائه شده است. شبکه عصبی مصنوع...
متن کاملتخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی
تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخهی هیدرولوژی محسوب میشود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی M5 و مدل شبکهی عصبی تحت شرایط مختلف حداقل دادهی اقلیمی در یک منطقهی خشک سرد پرداخته شد. دادههای مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...
متن کاملعملکرد مدل شبکه عصبی مصنوعی و شبکه عصبی فازی تطبیقی در تخمین غلظت ذرات معلق در هوای شهر تهران
در سالهای اخیر رشد روز افزون جمعیت ، وسایل نقلیه و کارخانه‌ها باعث افزایش آلودگی هوا و ایجاد مشکلات زیادی برای محیط زیست بشر و سلامتی انسان شده است. یکی از مهمترین آلاینده‌ها، ذرات‌معلق می‌باشد که سبب بروز مشکلات تنفسی و قلبی در انسان میشود. هدف از این مطالعه مقایسه مدل‌های شبکه‌عصبی‌مصنوعی و شبکه‌عصبی‌فازی-تطبیقی در تخمین غلظت ذرات معلق در شهر تهران می‌باشد. در...
متن کاملتخمین هوشمند دبی روزانه با بهره گیری از سامانه استنباط فازی - عصبی تطبیقی
در سال های اخیر، استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققین قرار گرفته است. به همین دلیل، در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی - عصبی تطبیقی4) برای انجام فرآیند پیش بینی جریان استفاده شده است. در این تحقیق، از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوان چای برای پیش بینی جریان ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 42 شماره 3
صفحات 105- 116
تاریخ انتشار 2019-09-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023