پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,994,406 |
| تعداد دریافت فایل اصل مقاله | 89,664,272 |
تاثیر توزیعهای احتمالاتی در افزایش دقت پیش‌بینی رسوب معلق با استفاده از شبکههای عصبی مصنوعی و سیستم استنتاج فازی-عصبی(مطالعه موردی: حوزه آبخیز سد دز) | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 5، دوره 69، شماره 2، تیر 1395، صفحه 323-338 اصل مقاله (770.78 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2016.61686 | ||
| نویسندگان | ||
| حمیده افخمی* 1؛ محمد تقی دستورانی2؛ فرزانه فتوحی فیروزآبادی3 | ||
| 1دانشجوی دکتری علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد، ایران. | ||
| 2دانشیاردانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد، ایران. | ||
| 3دانشجوی دکتری، علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد، ایران. | ||
| چکیده | ||
| توجه به ماهیت دادههای رسوب و انتخاب روشهای مناسب پردازش بر روی دادهها قبل از ورود به مدلهای هوش مصنوعی از جمله مواردی است که میتواند نتایج حاصل از شبیهسازیها را به واقعیت نزدیک سازد. در این تحقیق تأثیر روشهای پردازش دادههای رسوب قبل از ورود به دو مدل شبکههای عصبی مصنوعی و سیستمهای استنتاج فازی-عصبی در هفت ایستگاه حوضه سد دز مورد بررسی قرار گرفته است. بر این اساس با توجه به توزیعهای احتمالاتی حاکم بر دادهها سه سناریو در نظر گرفته شد. سناریوی اول بدون هیچ‌گونه پردازش و با استفاده از اصل دادهها، سناریوی دوم، پردازش دادهها از طریق استانداردسازی و در سناریوی سوم با توجه به حاکمیت توزیعهای لگاریتمی بر دادههای رسوب، از لگاریتم دادهها استفاده گردید. نتایج شبیهسازیها در دو مدل، کارایی بهتر و خطای کمتر را در شرایط استفاده از لگاریتم دادهها به خصوص در ایستگاههایی که بهترین توزیعهای احتمالاتی آن‌ها یکی از توزیعهای لگاریتمی می‌باشد، نشان دادند. درنهایت، مدل فازی عصبی با ضریب همبستگی 95/0، 4/5RMSE=، 4/1 MSE=و 42/0 ME= در ایستگاه بیاتون و در شرایط استفاده از لگاریتم دادهها بهترین عملکرد را نشان داد. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی رسوب؛ توزیع های احتمالاتی؛ سیستم فازی-عصبی؛ شبکه عصبی مصنوعی؛ رسوب معلق | ||
| عنوان مقاله [English] | ||
| Evaluation of the Effect of Probability Distributions on Suspended Sediment Prediction Accuracy using ANN and ANFIS Models (Case Study: Dez Basin) | ||
| نویسندگان [English] | ||
| Hamide Afkhami1؛ mohammad dastorani2؛ farzaneh fotouhi firuzabadi3 | ||
| 1PhD student, Faculty of Natural Resources, Yazd University, Yazd, I.R.IRAN. | ||
| 2Associate Professor, Faculty of Natural Resources and Environment, Ferdowsi University of Mashhad, I.R.IRAN | ||
| 3PhD student, Faculty of Natural Resources, Yazd University, Yazd, I.R.IRAN. | ||
| چکیده [English] | ||
| Due to the nature of the sediment data, selection of appropriate methods for processing the data before entering them to the artificial intelligence models can enhance the reliability of simulations results. In this study, the effects of sediment data processing procedures on ANN and ANFIS models outputs in 7 Dez Basin stations were evaluated. Accordingly, three scenarios were considered: In the first scenario, original data was used without exerting any processing technique; in the second scenario, the data was normalized; and in the third scenario, logarithm of data were used according to logarithmic distribution governing. The simulation results showed that using data logarithm leads to higher performance and lower error, especially in stations where the best fit probability distribution is one of the log family distributions. Finally, among applied models, ANFIS showed the best performance with coefficient efficiency of 0.95 and RMSE of 5.4, MSE of 1.4 and ME of 0.42 in Biatoon gauging station and using the third scenario. | ||
| کلیدواژه‌ها [English] | ||
| Probability distributions, Prediction, Suspended sediment prediction, Artificial Neural Network, Adaptive neuro-fuzzy inference system | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 531 تعداد دریافت فایل اصل مقاله: 321 |
||