۴۶۸۳پ
per
تخمین میزان رسوبات معلق رودخانه لیقوان با استفاده از مدل های تطبیقی عصبی - فازی (ANFIS) و مدل سری های زمانی
/سمیرا نعمتی
: کشاورزی
۱۳۷ص.
:جدول،نمودار
چاپی
کتابنامه:ص.۱۳۵-۱۳۷
کارشناسی ارشد
آب یاری و زهکشی
۱۳۸۷/۱۱/۲۶
تبریز
برآورد صحیح بار رسوبی در طرحهای آبی بسیار حائز اهمیت است، رسوبگذاری در مخازن سدها و کاهش حجم مفید آنها، تغییر مسیر رودخانه‌ها به دلیل رسوبگذاری در بستر آنها، کاهش ظرفیت آبگذری کانال‌ها و تاسیسات انتقال آب، تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی از جمله مشکلات ناشی از این پدیده است .لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها، بسیار سودمند است .بدلیل تأثیر پارامترهای مختلف، تعیین معادلات حاکم بر بار معلق مشکل بوده و مدلهای ریاضی تطبیق داده شده معمولا از دقت کافی برخوردار نمی باشد .در این تحقیق از قابلیتهای مدل تطبیقی عصبی- فازی در پیش بینی بار معلق رودخانه لیقوان استفاده گردید .این مدل برای تخمین بار معلق از دبی جریان و داده های رسوب پیشین استفاده می کند .در مدل تطبیقی عصبی- فازی ANFIS با یک پروسه آموزش، عمل تخمین انجام می گیرد که برای این منظور از محیط نرم افزاری MATLAB استفاده می شود .مبنای این مدل استخراج روابط غیرخطی بین داده‌های ورودی و خروجی شبکه و تعمیم آنها در شرایط دیگر است .سیستم تطبیقی عصبی- فازی ANFIS یک نوع سیستم هوشمند می باشد که از الگوریتم آموزش شبکه عصبی و منطق فازی برای نگاشتن یک فضای ورودی به فضای خروجی استفاده می کند یعنی با توانایی و تطبیق منطق سیستم فازی با قدرت عددی سیستم شبکه عصبی این سیستم استنتاجی حاصل می شود .از روشهای متداول دیگر برای تخمین بار معلق استفاده از سریهای زمانی است که در این تحقیق از محیط نرم افزاری Minitab برای مدل سری زمانی استفاده شده است .جهت انجام این مطالعه آمار و اطلاعات مورد نیاز از سازمان آب استان آذر بایجان شرقی تهیه شده است .ارزیابی میزان دقت و قابلیت های سه مدل تطبیقی عصبی فازی، مدل سری های زمانی و مدل رگرسیون خطی در پیش بینی رسوب معلق در رودخانه لیقوان از مقادیر مشاهداتی و مقایسه آن با مقادیر محاسبه شده توسط هر یک از مدل ها با کاربرد معیارهای آماری نظیر R۲ و RMSEاستفاده گردیده و در نهایت مدل تطبیقی عصبی- فازی که دارای بیشترین دقت و کمترین خطا بود شناسایی و برای کاربرد جهت پیش بینی مقادیر بار معلق توصیه گردیده است.
Accurate estimation of the sediment outflow is one of the most important factors in water development projects. Estimate of sediment yield are required in a wide spectrum of problems such as: design of reservoirs and dams, transport and deposition of sediment in channel networks and water pollution. It is difficult to appoint governor equations of suspended sediment because of different parameters effects, and comparative mathematical models usually don't have enough accuracy. In this study neural-fuzzy inference model abilities used for application of suspended sediment of Lighvan river watershed. This model use river discharge and previous sediment data as inputs to estimate the suspended sediment. Adaptive neuro-fuzzy inference system (ANFIS) estimate based on training process in one of Matlab software toolbox. Base of this model is exploited Non-linear relations between inputs and outputs system data, and extended them in other conditions. ANFIS is a type of intelligent systems that use neural network training algorithm and fuzzy logic for mapping inputs space to outputs space. It means that this inference system has obtained with comparing and ability of fuzzy system logic and numerical ability of neural network system. Time series is one of the other common methods to estimate suspended sediment. In this study Minitab software has been used for establishment of time series models. The needed information and data in this study, have been presented from water organization of Azarbaijanesharghi province. Finally three models of ANFIS, Time series and Linear regression were established to estimate the monthly suspended sediment of Lighvan river watershed and were compared with observations using ( Determination coefficient) and RMSE (Root Mean Square Error) criterion. The results show that the neural-fuzzy inference model performed the best.
نعمتی، سمیرا
اشرف صدرالدینی، سید علی، استاد راهنما
حسین زاده دلیر، علی، استاد مشاور
فاخری فرد، احمد، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
