فرآیند بارش-رواناب فرآیندی غیرخطی بوده و از حیث زمانی و مکانی تصادفی می باشد و تشریح آن با مدل های ساده به راحتی امکان پذیر نیست. بررسی تحقیقات انجام شده نشان می دهد که مدل های مبتنی بر هوش مصنوعی در مدل سازی سامانه های پیچیده عملکرد خوبی دارند. در این تحقیق ضمن بررسی و تعیین مهمترین مولفه های موثر در پیش بینی دقیق میزان رواناب رودخانه خرم آباد، عملکرد شبکه عصبی مصنوعی و سامانه استنتاج تطبیقی ع...

در این تحقیق کارایی روش های متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ann) و سامانه استنتاج عصبی- فازی تطبیقی (anfis)در برآورد ضریب تشت رده a و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک مورد ارزیابی قرار گرفت. بدین منظور از آمار 10 ساله مربوط به اندازه گیری روزانه تبخیر از تشت استفاده شد. با توجه به کم...

شناسایی سیستم ها به معنی تخمین پارامترهای آن ها با اعمال ورودی های مشخص و بررسی پاسخ سیستم ها به این ورودی ها از جمله مسائل مربوط به مهندسی سیستم است که از دیرباز مورد توجه قرار گرفته است. روش های تحلیلی پیچیده و دارای محاسبات فراوان برای این امر ارائه و توسعه یافته اند. عیب عمده ی این روش ها پیچیدگی زیاد و در نتیجه حجم محاسباتی بالا و زمان بر بودن انجام محاسبات است که باعث می شود که نتوان از ا...

مدل­سازی فرآیند بارش - رواناب و پیش­بینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلاب­ها، طراحی سازه­های آبی در حوزه­های آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیه­سازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روش­های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده­های ورودی و خروجی می­باشند. در این تحقیق از آمار بارش، تبخیر ...

روش­های متعددی هم­چون مدل سری­های زمانی، شبکه­های عصبی مصنوعی، منطق فازی، نرو فازی و برنامه­ریزی ژنتیک برای پیش­بینی جریان رودخانه به کار می­رود. در تحقیق حاضر از روش نوین برنامه­ریزی ژنتیک جهت پیش­بینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد.  هم­چنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدل­سازی جریان رودخانه ...

برآورد بار رسوبی یکی از مهمترین مسائلی است که در مدیریت رودخانه ها و مخازن سدها و به طور کلی در پروژه های آبی اهمیت زیادی دارد. تعداد روابط تجربی ارائه شده نشان می دهد که هنوز روش تحلیلی یا تجربی مناسبی برای تخمین صحیح بار رسوبات معلق پیشنهاد نشده است. در مطالعه حاضر به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان حمل رسوبات توسط رودخانه ها، از روش های نوین هوش مصنوعی شامل؛ شبکه عصبی پرسپتر...

یکی از پارامترهای موثر در پیش بینی دبی خصوصاًدر حوضه های برفگیر، پارامتر برف می باشد. آب معادل برف متداول ترین پارامتری است که در مدل سازی جریان رودخانه ها، به منظور وارد کردن تأثیر برف در مدل استفاده می شود. در این مقاله سعی شده است با توجه به عدم دسترسی به پارامتر آب معادل برف در درصد قابل توجهی از حوضه ها، پارامترهای باران تجمعی و باران تجمعی مازندران جایگزین آب معادل برف شوند. پارامتر باران ...

آبخوان دشت ملکان به عنوان یکی از آبخوان‏های حوضۀ دریاچۀ ارومیه، به مدیریت صحیح کمی و کیفی نیاز دارد. روش‏های مختلفی از جمله انجام آزمون پمپاژ، روش‏های آزمایشگاهی، استفاده از ردیاب‏ها و روش‏های ژئوفیزیکی برای ارزیابی پارامترهای هیدروژئولوژیکی و مدیریت مناسب آبخوان‏ها وجود دارد. هر چند تعبیر و تفسیر داده‏های به‌دست‌آمده از آزمون پمپاژ، بهترین روش تخمین پارامترهای هیدروژئولوژیکی آبخوان است، اما ای...

در این مقاله یک روش جدید مبتنی بر ترکیب سیستم استنتاج فازی-عصبی تطبیقی و کنترل‌کننده تناسبی-مشتقی-انتگرالی (PID) جهت کاهش ارتعاشات سازه ارائه شده است. الگوریتم کنترلی پیشنهادی علاوه بر دارا بودن ویژگی‌های کنترل‌کننده کلاسیک PID، از ماهیت تطبیقی شبکه عصبی و استنتاجی منطق فازی جهت استخراج توابع عضویت مناسب با توجه به دامنه ارتعاشات سازه نیز بهره می‌برد. به منظور تنظیم ضرایب PID جهت طراحی کنترل‌کن...

با توجه به اهمیت کوره دوار سیمان در صنعت و عدم وجود یک مدل قابل قبول برای آن، شناسایی و پیش بینی وضعیت کوره از ملزومات شبیه سازی و اتوماسیون سیستم کوره دوار سیمان می باشد. کوره دوار سیمان یک سیستم غیرخطی و متغیر با زمان می باشد. در این نوشتار به منظور شناسایی و پیش بینی وضعیت کوره دوار سیمان از شبکه عصبی- فازی تطبیقی ANFIS استفاده شده است. از آنجا که داده های استخراج شده مرتبط با سیست...