بررسی کارایی منطق فازی در پیش¬بینی جریان روزانه رودخانه
چکیده
پیش بینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین پارامترها در استفاده بهینه از منابع آبی محسوب میشود. در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی، FIS Fuzzy Inference System)برای انجام فرآیند پیشبینی جریان استفاده شده است. به این منظور از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوانچای برای پیشبینی جریان روزانه رودخانه لیقوان، استفاده شد. در پیشپردازش اولیه دادهها، تصادفی بودن آنها با استفاده از آزمون نقاط عطف مورد بررسی قرار گرفت. سپس جهت تعیین مدلهای بهینه ورودی به سیستمها، همبستگینگار دادهها مورد بررسی قرار گرفت. نهایتاً جهت بررسی تأثیر دما در پیشبینی، این فرآیند با تفکیک ماهها، انجام شد. ارزیابی نتایج پیشبینیها با استفاده از معیارهای آماری از جمله معیار ناش- ساتکلیف نشان داد که مدل FIS دقت بالا (9976/0=CNS) و خطای کمی (0113/0=RMSE) در پیشبینی داشته است و این روش میتواند به عنوان روشی کارآمد و دقیق در پیشبینی جریان رودخانه بهکار گرفته شود. همچنین با بررسی نتایج نهایی، مشخص شد که دما در برخی از ماهها (فروردین و آذر) در پیشبینی موثر بوده است.
نویسنده : مرتضی نبی زاده؛ ابوالفضل مساعدی؛ امیر احمد دهقانی پیش بینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین پارامترها در استفاده بهینه از منابع آبی محسوب میشود. در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی، FIS Fuzzy Inference System)برای انجام فرآیند پیشبینی جریان استفاده شده است. به این منظور از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوانچای برای پیشبینی جریان روزانه رودخانه لیقوان، استفاده شد. در پیشپردازش اولیه دادهها، تصادفی بودن آنها با استفاده از آزمون نقاط عطف مورد بررسی قرار گرفت. سپس جهت تعیین مدلهای بهینه ورودی به سیستمها، همبستگینگار دادهها مورد بررسی قرار گرفت. نهایتاً جهت بررسی تأثیر دما در پیشبینی، این فرآیند با تفکیک ماهها، انجام شد. ارزیابی نتایج پیشبینیها با استفاده از معیارهای آماری از جمله معیار ناش- ساتکلیف نشان داد که مدل FIS دقت بالا (9976/0=CNS) و خطای کمی (0113/0=RMSE) در پیشبینی داشته است و این روش میتواند به عنوان روشی کارآمد و دقیق در پیشبینی جریان رودخانه بهکار گرفته شود. همچنین با بررسی نتایج نهایی، مشخص شد که دما در برخی از ماهها (فروردین و آذر) در پیشبینی موثر بوده است.
تعداد صفحه : 12
مشخصات فایل : 283KB / PDF
قیمت : رایگان
