مقاله پیش بینی سطح آب در مخزن با استفاده از سیستم استنتاج فازی – عصبی تطبیقی

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه:12

 فهرست مطالب

مقدمه

سیستم استنتاجی فازی – عصبی تطبیقی (ANFIS)

ساختار و الگوریتم: [1]

لایه اول، گره های ورودی

لایه دوم، گره های قاعده

لایه سوم، گره های متوسط

لایه چهارم، گره های نتیجه

لایه پنجم، گره های خروجی

منطقه و حوزه مورد مطالعه

بحث و نتایج

نتیجه گیری

مقدمه:

سدها و مخازن مهمترین و موثرترین سیستم ذخیره آب می باشند که توزیع نابرابر مکانی و زمانی آب را تغییر می دهند. آنها نه تنها در تامین آب شرب، تولید انرژی برقابی و آبیاری زمین های پایین دست کاربرد داشته، بلکه در به حداقل رسانی خسارات ناشی از سیلاب و خشکسالی نیز نقش موثری را ایفا می کنند. بدون شک به منظور استفاده کامل از آب موجود، مدیریت بهینه مخازن بسیار با اهمیت می باشد. مدیریت مخزن مجموعه ای از تصمیم ها را در بر می گیرد که جمع آوری و رهاسازی آب در طول زمان را مشخص می کنند. با توجه به کارکردهای مختلف مخازن، پیش بینی دقیق دبی ورودی و سطح آب می تواند در بهینه سازی مدیریت منابع آب، بسیار موثر باشد. با توجه به وجود روابط غیرخطی، عدم قطعیت زیاد و ویژگی های متغیر زمانی در سیستم های آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور پیش بینی دقیق سطح آب نتوانسته به عنوان یک مدل برتر و توانا شناخته شوند[1]. امروزه سیستم های هوشمند به منظور پیش بینی یک چنین پدیده های پیچیده و غیرخطی، بسیار مورد استفاده قرار می گیرند. روش بدیع سیستم استنتاج فازی – عصبی تطبیقی[1] (ANFIS) یکی از این روشهاست که یک شبکه پس خور چند لایه می باشد و از الگوریتمهای یادگیری شبکه عصبی و منطق فازی به منظور طراحی نگاشت غیرخطی بین فضای ورودی و خروجی استفاده می کند. ANFIS با توجه به توانایی در ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه عصبی، نشان داده است که در مدل سازی فرایندهای همچون مدیریت مخازن [2،3]، سری های زمانی هیدرولوژیکی [4] و برآورد رسوب [5] بسیار قدرتمند می باشند.

هدف اصلی این تحقیق بررسی توانایی سیستم استنتاج فازی – عصبی تطبیقی جهت پیش بینی سطح آب در مواقع سیلابی و به صورت ساعتی می باشد. به این منظور از اطلاعات اشل پنج ایستگاه بالادست سد دز، جهت پیش بینی سطح آب در مخزن این سد استفاده شد. همچنین به منظور بررسی توانایی شبکه های فازی – عصبی در تقابل با تصمیمات بشری، دو الگوی متفاوت یکی با در نظر گرفتن خروجی مخزن به عنوان متغیر ورودی و دیگری بدون این متغیر به کار گرفته شد.

مطالعه مقایسه ای بین الگوریتم های خوشه بندی سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) در پیش بینی خشکسالی با شاخص SPI

• مقاله با عنوان: مطالعه مقایسه ای بین الگوریتم های خوشه بندی سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) در پیش بینی خشکسالی با شاخص SPI (مطالعه موردی: ایستگاه سینوپتیک ارومیه)  

• نویسندگان: امیر فارسیجانی ، حسین رضایی ، علیرضا مقدم  

• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95  

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

خشکسالی یک تهدید جهانی و مشکل منطقه ای است که از راه های گوناگون خسارات زیادی به بار می آورد. خشکسالی باعث خسارات کلان در کشاورزی شده و تاثیرات منفی بسیاری روی اکوسیستم های طبیعی دارد. در این مقاله داده های بارندگی ماهیانه ایستگاه سینوپتیک ارومیه مورد استفاده قرار گرفت و شاخص بارش استاندارد شده که در مقایسه با سایر شاخص ها، مزیت های بیشتری دارد در مقیاس زمانی سه ماهه به عنوان داده های ورودی به شبکه عصبی - فازی استفاده گردید؛ سپس مطالعه مقایسه ای بین الگوریتم های خوشه بندی کاهشی، c میانگین فازی (FCM) و پارتیشن بندی شبکه ای در سیستم استنتاج فازی - عصبی تطبیقی (ANFIS) به منظور پیش بینی خشکسالی انجام گرفت و نتایج نشان داد روش FCM بهترین عملکرد را در مدل ANFIS جهت پیش بینی خشکسالی با شاخص SPI دارد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **