روندیابی سیل رودها با بهره وری از شبیه های شبکه ی عصبی مصنوعی تکاملی

نویسندگان

  • حسین فتحیان استادیار گروه مهندسی آب دانشگاه ازاد اسلامی واحد اهواز
  • محمد نیکو کارشناس ارشد مهندسی عمران-آب دانشگاه ازاد اسلامی واحد اهواز
  • مهدی نیکو کارشناس ارشد مهندسی عمران دانشگاه ازاد اسلامی واحد اهواز
چکیده مقاله:

یکی از روش‌های پیش‌بینی سیل در رودخانه‌ها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل می‌باشد. امروزه تکنیک جدید استفاده از مدل شبکه‌های عصبی مصنوعی تکاملی(EANN) که مبتنی بر هوش مصنوعی می‌باشد، کاربرد گسترده‌ای در زمینه‌های مختلف علمی به‌ویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه کارون، بازه اهواز- فارسیات، با استفاده از مدل‌های شبکه عصبی مصنوعی تکاملی پیش رونده (FF)، پرسپترون چندلایه (MLP) وتوابع شعاعی (RBF) پرداخته شد. برای تعیین تعداد و تاخیر زمانی موثر داده‌های ورودی در مدل‌های شبکه عصبی مصنوعی از روش همبستگی عرضی خطی(Linear Cross Correlation) بین سری‌های زمانی ورودی‌ها و خروجی‌ها استفاده شد. با استفاده از الگوریتم ژنتیک ساختار مدل‌های شبکه عصبی مصنوعی از نظر تعداد گره‌ها در لایه پنهان شبکه‌های عصبی مصنوعی بهینه گردید. نتایج نشان می‌دهد که روش همبستگی عرضی به خوبی تعداد و تاخیر زمانی موثر داده‌های ورودی را تعیین می‌نماید. علاوه بر این مقایسه خروجی مدل‌ها با مقادیر واقعی نشان می‌دهد که مدل MLP انتخاب شده نسبت به مدل‌هایMIKE11 و ماسکینگام از توانایی، انعطاف‌پذیری و دقت بیشتری در پیش‌بینی و روندیابی سیلاب در رودخانه کارون برخوردار می‌باشد.  

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تخمین ضریب بهره وری ماشین حفر تونل(TBM) با استفاده از شبکه عصبی مصنوعی

پیش بینی سرعت پیشروی ماشین های حفر تونل ،به منظور تعیین برنامه زمانی و برآورد هزینه های اجرایی در پروژه های تونل سازی با حفر مکانیزه،از اهمیت زیادی برخوردار است.برای این منظور لازم است تا ضریب بهره وری ماشین حفر تونل مشخص شده تا بر اساس آن سرعت پیشروی ماشین تعیین شود.اگر چه روابط تجربی متعددی د راین زمینه ارائه شده اند ولی این روابط از دقت بالایی برخوردار نیستند.هدف از انجام این مطالعه تعیین ضر...

متن کامل

پیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی

رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک می‌شود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...

متن کامل

تخمین ضریب بهره وری ماشین حفر تونل(tbm) با استفاده از شبکه عصبی مصنوعی

پیش بینی سرعت پیشروی ماشین های حفر تونل ،به منظور تعیین برنامه زمانی و برآورد هزینه های اجرایی در پروژه های تونل سازی با حفر مکانیزه،از اهمیت زیادی برخوردار است.برای این منظور لازم است تا ضریب بهره وری ماشین حفر تونل مشخص شده تا بر اساس آن سرعت پیشروی ماشین تعیین شود.اگر چه روابط تجربی متعددی د راین زمینه ارائه شده اند ولی این روابط از دقت بالایی برخوردار نیستند.هدف از انجام این مطالعه تعیین ضر...

متن کامل

بررسی و تحلیل هیدروگراف های سیلاب و روندیابی سیل با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی : رودخانه مارون )

در دهه های اخیر مطالعه و بررسی روندیابی سیل در رودخانه ها به منظور کاربرد در مسائل مهندسی رودخانه اهمیت زیادی داشته است. در کشور ما نیز با وجود طرح های مختلف و اهمیت آن ها در زمینه ساماندهی رودخانه ها و کنترل سیلاب، تاسیس مخازن آبی و غیره، ضرورت مطالعه در این زمینه احساس می شود. همچنین احداث سازه های کنترل کننده نظیر سد، علاوه بر اینکه توزیع نابرابر زمانی و مکانی آب را تغییر می دهد، نقش موثری د...

پیش‌بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)

با توجه به کمبود ایستگاه‌های اندازه‌گیری در کشور، لزوم استفاده از مدل‌های تجربی برآورد دبی‌ حداکثر لحظه‌ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش‌بینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبی‌های متوسط حداکثر روزانه و بارش‌های متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای...

متن کامل

منابع 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 3  شماره 5

صفحات  13- 24

تاریخ انتشار 2010-06-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023