ارزیابی قابلیت مدلهای هوشمند درتخمین جریان رودخانه سقز چای دربالادست مخزن سدشهیدکاظمی بوکان

نویسند‌گان: [ خانلار مشاری ] - دانش اموخته کارشناسی ارشد عمران آب دانشگاه آزاد اسلامی واحدمراغه[ محمدعلی قربانی ] - دانشیارگروه مهندسی آب دانشگاه تبریز ایران[ رسول دانشفراز ] - استادیار گروه مهندسی عمران دانشگاه مراغه مراغه ایران

خلاصه مقاله:

تخمین میزان دبی جریان رودخانه ها به منظور مدیریت و برنامه ریزی منابع آب در رودخانه ها دریاچه ها مخازن سدها، کنترل سیلاب ها و همچنین جهت حفاظت از کناره های رودخانه در زمان وقوع سیلاب بسیار ضروری می باشد .هدف از این تحقیق بررسی قابلیت مدل های هوشمند از قبیل برنامه ریزی ژنتیک شبکه عصبی مصنوعی به منظور تخمین دبی در رودخانه سقز ای بوده است. در این راستا، داده های مربوط به سال های 1386-1390 دبی روزانه جریان رودخانه در ایستگاه هیدرومتری دره پنبه دان واقع بر رودخانه سقز چای در بالادست سد بوکان در استان آذربایجان غربی مورد استفاده قرار گرفت اگرچه در دهه اخیر تحقیقات متنوعی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقت این مدل ها بر روابط تجربی ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل به طور مناسب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای تخمین میزان دبی جریان رودخانه ها ارائه شده است . و در مدل های مورد استفاده برای تخمین دبی جریان از داده های دبی جریان روزانه پیشین تا 10 تاخیر زمانی در مقیاس روز در نظر گرفته شده است .که با استفاده از نرم افزار SPSS بهترین ترکیب مدل ها در 5 نوع داده متفاوت استفاده و با یک فرآیند آموزش عمل تخمین انجام گرفت نتانیج با داده های مشاهداتی توسط معیارهای جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و مقایسه قرار گرفت نتایج حاصل حاکی از دقت بالای شبکه عصبی مصنوعی در مقایسه با برنامه ریزی ژنتیک و کارایی آن در تخمین میزان دبی جریان رودخانه ها می باشد

کلمات کلیدی:

 تخمین ، برنامه ریزی ژنتیک ، شبکه عصبی مصنوعی ، سقزچای

تخمین یک تابع با استفاده از فازی TSK با 9 و 25 قانون

در این برنامه تابعی با استفاده از فازی TSK و با 9 و همچنین 25 قانون شبیه سازی شده است. اطلاعات بیشتر در فایل PDF

دانلود مقاله مروری بر روشهای محاسبه ارزیابی و تخمین تلفات در شبکه های توزیع نیروی برق

 دانلود مقاله مروری بر روشهای محاسبه  ارزیابی و تخمین تلفات در شبکه های توزیع نیروی برق با فرمت pdf  تعدادصفحات 98

انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه

• مقاله با عنوان: انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه  

• نویسندگان: حامد مازندرانی زاده ، پیمان دانش کار آراسته ، معصومه السادات هاشمی طامه  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 7 صفحه می باشد.

چکیــــده:

بارندگی یکی از اجزای اصلی چرخه ی هیدرولوژی است. اندازه گیری نقطه ای بارندگی، عدم پراکنش مناسب ایستگاه های هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازه گیری باعث پیدایش روش هایی برای برآورد داده های معتبر در مناطق فاقد آمار شده است. شبکه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد. سپس با استفاده از مقادیر بارندگی به عنوان خروجی هدف، شبکه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد. 20% داده ها به طور تصادفی برای ارزیابی شبکه ها استفاده شد. در نهایت داده های پیش بینی شده توسط شبکه های مختلف با شاخص آماری میانگین انحراف خطا (MBE)، مجموع مربعات خطا (SSE) و ضریب همبستگی (R2) مقایسه شد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

ارزیابی قابلیت مدلهای هوشمنددرتخمین جریان رودخانه با استفاده ازبرنامه های شبکه های عصبی ـ مصنوعی و برنامه ریزی ژنتیک

نویسند‌گان: [ خانلار مشاری ] - دانش اموخته کارشناسی ارشد عمران آب دانشگاه آزاد اسلامی واحدمراغه[ محمدعلی قربانی ] - دانشیارگروه مهندسی آب دانشگاه تبریز ایران[ رسول دانشفراز ] - استادیار گروه مهندسی عمران دانشگاه مراغه مراغه ایران

خلاصه مقاله:

تخمین میزان دبی جریان رودخانه ها به منظور مدیریت و برنامه ریزی منابع آب در رودخانه ها دریاچه ها مخازن سدها، کنترل سیلاب ها و همچنین جهت حفاظت از کناره های رودخانه در زمان وقوع سیلاب بسیار ضروری می باشد .هدف از این تحقیق بررسی قابلیت مدل های هوشمند از قبیل برنامه ریزی ژنتیک شبکه عصبی مصنوعی به منظور تخمین دبی در رودخانه مهاباد چای بوده است. در این راستا، داده های مربوط به سال های 1385-1389 دبی روزانه جریان رودخانه در ایستگاه هیدرومتری گردیعقوب واقع بر رودخانه مهاباد چای در استان آذربایجان غربی مورد استفاده قرار گرفت اگرچه در دهه اخیر تحقیقات متنوعی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقت این مدل ها بر روابط تجربی ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل به طور مناسب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای تخمین میزان دبی جریان رودخانه ها ارائه شده است . و در مدل های مورد استفاده برای تخمین دبی جریان از داده های دبی جریان روزانه پیشین تا 10 تاخیر زمانی در مقیاس روز در نظر گرفته شده است .که با استفاده از نرم افزار SPSS بهترین ترکیب مدل ها در 6 نوع داده متفاوت استفاده و با یک فرآیند آموزش عمل تخمین انجام گرفت نتانیج با داده های مشاهداتی توسط معیارهای جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و مقایسه قرار گرفت نتایج حاصل حاکی از دقت بالای شبکه عصبی مصنوعی در مقایسه با برنامه ریزی ژنتیک و کارایی آن در تخمین میزان دبی جریان رودخانه ها می باشد

کلمات کلیدی:

 تخمین ، برنامه ریزی ژنتیک ، شبکه عصبی مصنوعی ، مهابادچای