این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۲۲، شماره ۴، صفحات ۱۱۴-۱۲۵
عنوان فارسی کارایی شبکه‌های عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی در مدل‌سازی بارش- رواناب در حوضه آبخیز سد زاینده‌رود
چکیده فارسی مقاله در دهه‌های اخیر به‌دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیش‌بینی رواناب از روی داده‌های بارش به مسئله‌ای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشته‌ها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکه‌های عصبی مصنوعی است. در این تحقیق سعی گردید کارایی شبکه عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی به‌منظور برآورد بارش- رواناب در حوضه سد زاینده‌رود، مورد ارزیابی قرار گیرد. به‌این‌منظور ابتدا با بهره‌گیری از نرم‌افزار Wingamma داده‌ها و پارامترهای موجود مورد بررسی و تجزیه و تحلیل قرار گرفت و پارامترهای ورودی مناسب به‌علاوه تعداد مناسب داده برای آموزش شبکه، تعیین گردید. سپس با استفاده از آمار روزانه بارش- رواناب، کارایی شبکه عصبی مصنوعی و سیستم عصبی- فازی در تخمین رواناب حاصل از بارش مورد بررسی قرار گرفت. در ادامه میزان دقت و صحت این دو روش با بهره‌گیری از روشهای آماری، مقایسه شد. نتایج حاصل از این مطالعه نشان داد که شبکه عصبی مصنوعی و سیستم فازی- عصبی در شرایط مختلف و با ترکیبهای مختلف پارامترهای ورودی، نتایج متفاوتی از خود نشان می‌دهند ولی در کل این دو روش به‌میزان قابل قبولی قادر به تخمین رواناب حاصل از بارش با به‌کارگیری پارامترهای ورودی مناسب و استفاده از ساختارهای مناسب شبکه عصبی مصنوعی و شبکه عصبی- فازی، هستند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Evaluation of the Application of Artificial Neural Networks and Adaptive Neuro-Fuzzy Inference Systems for Rainfall-Runoff Modelling in Zayandeh_rood Dam Basin
چکیده انگلیسی مقاله During recent few decades, due to the importance of the availability of water, and therefore the necesity of predicting run off resulted from rain fall there has been an increase in developing and implementation of new suitable method for prediction of run off using precipitation data. One of these approaches that have been developed in several areas of sciences including water related fields, is soft computing techniques such as artificial neural networks and fuzzy logic systems. This research was designed to evaluate the applicability of artificial neural network and adaptive neuro –fuzzy inference system to model rainfall-runoff process in Zayandeh_rood dam basin. It must be mentioned that, data have been analysed using Wingamma software, to select appropriate type and number of training input data before they can be used in the models. Then, it has been tried to evaluated applicability of artificial neural networks and neuro-fuzzy techniques to predict runoff generated from daily rainfall. Finally, the accuracy of the results produced by these methods has been compared using statistical criterion. Results taken from this research show that artificial neural networks and neuro-fuzzy technique presented different outputs in different conditions in terms of type and number of inputs variables, but both method have been able to produce acceptable results when suitable input variables and network structures are used.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد تقی دستورانی | mohammad taghi
دانشیار، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

حامد شریفی دارانی | sharifi darani
دانش آموخته کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

علی طالبی |
استادیار، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

علیرضا مقدم نیا |
استادیار، دانشکده منابع طبیعی، دانشگاه زابل
سازمان اصلی تایید شده: دانشگاه زابل (Zabol university)

نشانی اینترنتی http://www.wwjournal.ir/article_729_c46bc8c7245f61caad30554a39b2d09b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات