پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,116,536 |
| تعداد دریافت فایل اصل مقاله | 89,884,366 |
پیش‌بینی سطح ایستابی با استفاده از سریهای زمانی و سیستم استنباط فازی‌ـ عصبی تطبیقی | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 3، دوره 45، شماره 1، اردیبهشت 1393، صفحه 19-28 اصل مقاله (438.07 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2014.36606 | ||
| نویسندگان | ||
| بهرام چوبین1؛ آرش ملکیان* 2؛ فرزانه ساجدی حسینی3؛ امید رحمتی4 | ||
| 1دانشجوی دکتری، ساری، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| 2استادیار پردیس کشاورزی و منابع طبیعی، دانشکدة منابع طبیعی، دانشگاه تهران | ||
| 3دانشجوی کارشناسی ارشد، ساری، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| 4دانشجوی دکتری، لرستان، دانشگاه لرستان | ||
| چکیده | ||
| مدل‌سازی در مناطق خشک برای مدیریت بهینة منابع آب اهمیت ویژه‌ای دارد. آب زیرزمینی از مهم‌ترین منابع آبی در مناطق خشک محسوب می‌شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل‌های سری زمانی در پیش‌بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل‌های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش‌بینی یک ماه بعد سطح آبهای زیرزمینی دشت شیراز شد. بهترین ترکیب ورودی و طول داده‌های آموزشی و صحتسنجی در مدل انفیس با استفاده از آزمون گاما و M برآورد شد. عملکرد مدل‌های مختلف با پارامترهای خطا و دیاگرام تیلر مقایسه شد. نتایج مدل انفیس نشان داد که این مدل با تابع عضویت Π شکل عملکرد بهتری نسبت به بقیة توابع عضویت دارد (241/1 RMSE= و 953/0 MAE=). مقایسة عملکرد مدل‌ها، حاکی از کارایی بسیار مناسب مدل خطی ARIMA (2,1, 2) نسبت به مدل انفیس با توابع عضویت مختلف است (325/0 RMSE= و 241/0 MAE=). . | ||
| کلیدواژه‌ها | ||
| آزمون گاما؛ انفیس؛ دیاگرام تیلر؛ ARIMA | ||
| عنوان مقاله [English] | ||
| Water Table Prediction by Using Time Series Models and Adaptive Neural Fuzzy Inference System | ||
| نویسندگان [English] | ||
| Bahram Choubin1؛ Arash Malekian2؛ Farzaneh Sajedi Hosseini3؛ Omid Rahmati4 | ||
| 1PhD Candidate, Sari University of Agriculture Science & Natural Resources, Sari, Iran | ||
| 2Assistant Professor, Faculty of Natural Resources, University of Tehran, Karaj, Iran | ||
| 3MSc. Student, Sari University of Agriculture Science & Natural Resources, Sari, Iran | ||
| 4PhD Student, University of Lorestan, Lorestan, Iran | ||
| چکیده [English] | ||
| Modeling in arid regions to better manage water resources is very important. Groundwater is an important water resource in arid regions. The purpose of this study was to assess the performance of adaptive neuro fuzzy inference (ANFIS) and time series models to predict the water table. In this study, groundwater levels of Shiraz plain for one month ahead were forecasted by using time series models and ANFIS model. In the ANFIS model has been used Gamma and M-test for determine of the optimal input combination and training and testing data length. Performance of different models was compared with the parameters of the error and Taylor diagrams. ANFIS model results showed that this model with membership function of Π-shaped has better performance than the rest of membership functions. Performance comparison of the models indicated very suitable performance of the ARIMA (2, 1, 2) model than ANFIS models with different membership functions. | ||
| کلیدواژه‌ها [English] | ||
| ANFIS, ARIMA, Gamma test, Taylor diagrams | ||
|
آمار تعداد مشاهده مقاله: 3,557 تعداد دریافت فایل اصل مقاله: 1,477 |
||