پیش بینی تراز سطح آب با استفاده از مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 124
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CEEJ-52-108_010
تاریخ نمایه سازی: 16 بهمن 1401
چکیده مقاله:
چالش منابع آب امروزه مشکل بسیاری از کشورهای خاورمیانه است و این واقعیت در مورد دریاچه ارومیه که تراز سطح آب آن، با توجه به تغییرات بارش، خشک سالی و سدسازی دچار تغییرات و نوسانات زیادی شده است، دارای اهمیت بیشتری می باشد. هدف اصلی این مقاله بررسی قابلیت روش پویایی سیستم، SD (System Dynamic)، برای پیش بینی نوسانات سطح آب با استفاده از شبکه عصبی فازی تطبیقی موجکی، WANFIS (Wavelet Adaptive Neuro-Fuzzy Inference Systems)، می باشد. به همین دلیل، یک مدل شبیه سازی بر پایه پویایی سیستم برای حوضه آبریز دریاچه ارومیه توسعه داده شد. سپس، برای پیش بینی سطح آب، عوامل موثر بر آن مانند بارش، دبی و تبخیر با استفاده از مدل WANFIS پیش بینی شده و نتایج حاصل از پیش بینی وارد مدل پویایی سیستم می گردد و سپس سطح آب محاسبه می شود. نتایج مدل سازی نشان داد که مدل ترکیبی پویایی سیستم و شبکه عصبی فازی تطبیقی موجکی (SD-WANFIS) دارای عملکرد مناسبی می باشد. مقادیر شاخص های آماری مانند جذر میانگین مربعات خطا و ضریب تبیین برای مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی در مرحله صحت سنجی به ترتیب ۳۱/۰ متر و ۸۴/۰ می باشد. درحالی که این شاخص ها برای مدل جعبه سیاه خطی خود همبسته میانگین متحرک تلفیق شده، ARIMA (Auto Regressive Integrated Moving Average) برابر ۶۱/۰ متر و ۵۳/۰ می باشند. این نتایج نشان داد که ترکیب این دو مدل SD و مدل فازی WANFIS جهت پیش بینی با دقت مناسب، مفید می باشد.
کلیدواژه ها:
نویسندگان
مهدی کماسی
دانشکده مهندسی، گروه مهندسی آب و سازه های هیدرولیکی، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد
ندا قشلاقی
گروه سازه های آبی، دانشگاه بوعلی سینا، همدان
سروش شرقی
گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :