پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,036 |
| تعداد مشاهده مقاله | 125,504,849 |
| تعداد دریافت فایل اصل مقاله | 98,768,952 |
تخمین هوشمند دبی روزانه با بهره گیری از سامانه استنباط فازی - عصبی تطبیقی | ||
| مدیریت آب و آبیاری | ||
| مقاله 6، دوره 2، شماره 1 - شماره پیاپی 953199، شهریور 1391، صفحه 69-80 اصل مقاله (380.11 K) | ||
| شناسه دیجیتال (DOI): 10.22059/jwim.2012.25093 | ||
| نویسندگان | ||
| مرتضی نبی زاده1؛ ابوالفضل مساعدی2؛ امیر احمد دهقانی3 | ||
| 1دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان - ایران | ||
| 2دانشیار دانشکده منابع طبیعی و محیط زیست، دانشگاه فردوسی مشهد، مشهد – ایران | ||
| 3استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان - ایران | ||
| چکیده | ||
| در سال های اخیر، استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققین قرار گرفته است. به همین دلیل، در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی - عصبی تطبیقی4) برای انجام فرآیند پیش بینی جریان استفاده شده است. در این تحقیق، از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوان چای برای پیش بینی جریان روزانه رودخانه لیقوان استفاده شد. سپس جهت تعیین مدل های بهینه ورودی به سیستم ها، کرولوگرام داده ها مورد بررسی قرار گرفت. نهایتاً جهت بررسی تأثیر دما در پیش بینی، این فرآیند با تفکیک ماه ها، انجام شد. ارزیابی نتایج پیش بینی ها با استفاده از معیارهای گوناگون از جمله معیار ناش - ساتکلیف نشان داد که مدل ANFIS دقت بالا (979/0 = CNS) و خطای کمی (041/0 = RMSE) در پیش بینی داشته است و این روش می تواند به عنوان روشی کارآمد و دقیق در پیش بینی جریان رودخانه به کار گرفته شود. همچنین، با بررسی نتایج نهایی مشخص شد که دما تنها در ماه آذر در پیش بینی مؤثر بوده است. | ||
| کلیدواژه‌ها | ||
| پیش بینی؛ حوضه لیقوان چای؛ سیستم استنتاج فازی - عصبی تطبیقی (ANFIS)؛ منطق فازی؛ مهندسی منابع آب | ||
|
آمار تعداد مشاهده مقاله: 2,784 تعداد دریافت فایل اصل مقاله: 2,417 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب