مقایسه شبکه عصبی مصنوعی و سیستم عصبی- فازی در برآورد بارش-رواناب در حوضه آبخیز سد زایندهرود
عنوان مقاله: مقایسه شبکه عصبی مصنوعی و سیستم عصبی- فازی در برآورد بارش-رواناب در حوضه آبخیز سد زایندهرود
شناسه ملی مقاله: ICWR01_078
منتشر شده در اولین کنفرانس بین المللی منابع آب با رویکرد منطقه ای در سال 1388
شناسه ملی مقاله: ICWR01_078
منتشر شده در اولین کنفرانس بین المللی منابع آب با رویکرد منطقه ای در سال 1388
مشخصات نویسندگان مقاله:
محمدتقی دستورانی - عضو هیئات علمی دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
علی طالبی - عضو هیئات علمی دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
علیرضا مقدم نیا - عضو هیئات علمی دانشگاه زابل
حامد شریفی دارانی - دانشجوی کارشناسی ارشد دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
خلاصه مقاله:
محمدتقی دستورانی - عضو هیئات علمی دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
علی طالبی - عضو هیئات علمی دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
علیرضا مقدم نیا - عضو هیئات علمی دانشگاه زابل
حامد شریفی دارانی - دانشجوی کارشناسی ارشد دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
در دهههای اخیر به دلایل مختلف مانند افزایش آمار وقوع سیلاب و به تبع آن افزایش خسارات جانی و مالی، افزایش نیاز به تولید انرژی برقابی، افزایش نیاز به پیشبینی پتانسیل آبدهی حوزههای آبخیز به منظور تعیین مازاد رواناب تولید شده در حوضه از ظرفیت رودخانه برای تدوین طرحهای مختلف آبرسانی شهری، صنعتی و کشاورزی و طراحی سازههای مختلف آبی و غیره، تمایل محققین و هیدرولوژیستها برای پیشبینی صحیح، دقیق و به موقع روانابهای ناشی از بارندگی، به میزان قابل توجهی افزایش یافته است. روشهای بیشماری برای این منظور توسعه یافتهاند که از این میان، میتوان به مدلهای هیدرولوژیکی، روابط رگرسیونی و توابع انتقال اشاره کرد. اما دهههای اخیر مطالعات بیشتر به سوی روشهایی متمایل شدهاند که بتوانند شرایط طبیعی را تا حدودی درک کنند و نتایج حاصل از آنها از دقت و صحت مناسب برخوردار باشند. یکی از روشهایی که در چند دهه اخیر در بسیاری از رشتهها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای هوش مصنوعی نظیر منطق فازی، شبکههای عصبی مصنوعی میباشد. با توجه به اینکه در کشور ما نیز در دهههای اخیر نیاز به پیشبینی دقیق و سریع رواناب از روی آمار بارندگی به علت افزایش تعداد سیلابها و خسارات ناشی از آنها و نیاز به ایجاد سیستم هشدار سیل، افزایش تمایل به احداث سازههای آبی، افزایش خشکسالیها و نیاز به مدیریت توزیع آب موجود و غیره، به شدت افزایش یافته است، توسعه و اجرای روشهای مناسب برای پیشبینی رواناب از روی دادههای بارش بسیار ضروری به نظر میرسد. در این مطالعه ابتدا با استفاده از آمار روزانه بارش-رواناب، به بررسی کارآیی شبکه عصبی مصنوعی و سیستم عصبی-فازی در تخمین رواناب حاصل از بارش پرداخته شد و سپس میزان دقت و صحت این دو روش با بهرهگیری از روشهای آماری، مقایسه شد. نتایج حاصل از این مطالعه نشان میدهد که اگرچه خروجیهای حاصل از شبکه عصبی مصنوعی و سیستم فازی-عصبی متفاوت میباشند ولی این دو روش به میزان قابل قبولی قادر به تخمین رواناب حاصل از بارش هستند.
کلمات کلیدی: شبکه عصبی مصنوعی، سیستم عصبی-فازی، بارش-رواناب
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/83052/