این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و برنامه ریزی محیطی، جلد ۲۸، شماره ۱، صفحات ۱-۲۰
عنوان فارسی مقایسۀ روش‌های شبکۀ عصبی مصنوعی و سیستم‌فازی در تعیین زمان پیش‌هشدار سیلاب‌ نمونۀ موردی زیرحوزۀ آبخیز رودخانۀ زرد - استان خوزستان
چکیده فارسی مقاله چکیده روندیابی سیل یکی از روش‌های پیش‌بینی سیل در رودخانه‌ها به‌منظور مدیریت و مهار سیل است. روابط بارش - روناب و ایجاد سیل در یک منطقه، رابطۀ خطی ریاضیاتی نیست که با آن‌ سیلاب‌خیزی و وقوع سیلاب را در یک منطقه پیش‌بینی کرد و باید به این نوع پدیده‌ها به‌صورت مدل نگریست. روش‌های هوش ‌مصنوعی و از جملۀ آن‌ها روش شبکۀ عصبی ‌مصنوعی و سیستم استنتاج فازی، روش‌هایی مطلوب در این زمینه هستند. در این پژوهش با استفاده از روش‌های شبکۀ عصبی‌ مصنوعی و سیستم استنتاج فازی اقدام به روندیابی سیلاب در زیرحوزۀ آبخیز رودخانۀ زرد شده است. برای اجرای هر دو روش، ابتدا داده‌های لازم جمع‌آوری، سپس داده‌های پرت از سری داده‌ها حذف و درنهایت نرمال‌سازی شدند. مدل‌سازی روندیابی سیل با استفاده از شبکه‌های عصبی مصنوعی با کمک کدنویسی در نرم‌افزار متلب روی داده‌ها اجرا شد. برای اجرای سیستم استنتاج فازی نیز از این داده‌های آماده‌شده استفاده شد. در این پژوهش انواع ساختارهای متفاوت شبکۀ ‌عصبی مصنوعی با تعداد نرون‌ها، لایه‌های مخفی، تعداد دوره‌های آموزش و توابع فعالیت متفاوت بر روی داده‌ها اجرا شدند تا درنهایت بهترین ساختار برای منطقۀ مورد مطالعه به‌دست آید. برای مدل استنتاج فازی نیز انواع ساختارها اجرا شدند تا درنهایت بهترین مدل انتخاب شود. نتایج نشان داد‌ در حالت کلی، سیستم استنتاج فازی داده‌های منطقۀ مورد مطالعه را بهتر شبیه‌سازی می‌کند و نتایج بهتری نسبت به مدل شبکۀ عصبی مصنوعی نشان می‌دهد و مقادیر MSE و r در سیستم استنتاج فازی و مدل شبکۀ عصبی مصنوعی به‌ترتیب برابر با 2196/0 و 0297/0، 7667/0 و 96/0 است که نشان‌دهندۀ دقت بالاتر سیستم استنتاج‌فازی در پیش‌بینی سیلاب در حوزۀ آبخیز مورد مطالعه است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparing Methods of Artificial Neural Network and Fuzzy System in Determining Pre-flooding Warning (Case Study: Zard River Sub-basin- Khuzestan Province)
چکیده انگلیسی مقاله Abstract  One method of flood forecasting and flood control in rivers is 'flood routing'. The relationship between precipitation and runoff and creating flooding in the region is not linear mathematical relationship which we can predict flooding in one region and such phenomena should be regarded as a model. Artificial intelligence methods such as artificial neural network and fuzzy inference system can be used as a good method in this field. In this study, using artificial neural network and fuzzy inference system, which are two types of the most widely used computational intelligence, we attempt to predict flood in Zard River. For the implementation both methods, first, the necessary data were collected and then wrong data were excluded from the data set and the data have been normalized. Modeling using artificial neural networks using MATLAB software coding was performed on data. To implement, the fuzzy inference system were used from prepared data. In this study, types of artificial neural networks structures with different number of neurons and hidden layers, number of educational courses and different functions have been performed on the data until obtaining the best structure for study area. Fuzzy inference models were implemented until the best model is chosen. Results showed that in general, fuzzy inference system have a better simulate data in the studied area and better and more accurate results than the artificial neural network model is showed. Also, values of MSE and r in fuzzy inference system and artificial neural network is equal to 0.2196, 0.0297, 0.7667 and 0.96 respectively which shows higher accuracy of fuzzy inference system for predicting floods in the our area of the study.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بهروز ابراهیمی هروی | ebrahimi heravi


کاظم رنگزن |
دانشگاه شهید چمران اهواز
سازمان اصلی تایید شده: دانشگاه شهید چمران (Shahid chamran university)

مصطفی کابلی زاده |
دانشگاه شهید چمران اهواز
سازمان اصلی تایید شده: دانشگاه شهید چمران (Shahid chamran university)

حسن دانشیان |
دانشگاه شهید چمران اهواز
سازمان اصلی تایید شده: دانشگاه شهید چمران (Shahid chamran university)

نشانی اینترنتی http://gep.ui.ac.ir/article_22149_882f29a837b14816aa949efc53cf25c9.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/761/article-761-509289.pdf
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