عنوان

کا‌ربرد روش‌ ها‌ی نوین‌ در مدل‌ ها‌ی شبکه‌ ی عصبی‌ برای شبیه‌ سا‌زی جریا‌ن‌

نام نخستين پديدآور

پیران‌ ، شیرین‌

عنوان اصلي

کا‌ربرد روش‌ ها‌ی نوین‌ در مدل‌ ها‌ی شبکه‌ ی عصبی‌ برای شبیه‌ سا‌زی جریا‌ن‌

محل نشرو پخش و غیره

تهران‌

متن يادداشت

علیرضا‌ برها‌نی‌ داریا‌ن‌

خصوصیات نسخه موجود

۱

جزئيات پايان نامه و نوع درجه آن

کا‌رشنا‌سی‌ ارشد

کسي که مدرک را اعطا کرده

صنعتی‌ خواجه‌ نصیرالدین‌ طوسی‌

زمان اعطا مدرک

۱۳۹۶

نظم درجات

مدیریت‌ منا‌بع‌ آب‌

متن يادداشت

در این‌ پا‌یا‌ن‌ نا‌مه‌ از روش‌ پیشصبینی‌ خوشهصا‌ی جریا‌ن‌ (PSE) به‌ منظور پیشصبینی‌ جریا‌نصها‌ی محتمل‌ استفا‌ده‌ میصشود. در تکنیک‌ PSE وجود یک‌ مدل‌ کا‌لیبره‌ شده‌ الزامی‌ است‌. برای این‌ منظور مدلصها‌ی شبکهصی‌ عصبی‌ و ویولن‌ به‌ صورت‌ منفرد و هیبریدی به‌ کا‌ر میصروند. در مدل‌ ویولن‌ توابع‌ موجک‌ مورلت‌، کلاه‌ مکزیکی‌ و گوسی‌ به‌ عنوان‌ تا‌بع‌ انتقا‌ل‌ لایهصی‌ پنها‌ن‌ در نظر گرفته‌ میصشوند. تا‌بع‌ انتقا‌ل‌ شبکهصی‌ عصبی‌، تا‌بع‌ رایج‌ سیگموئیدی است‌. جهت‌ آموزش‌ این‌ مدلصها‌ از الگوریتم‌ ژنتیک‌ استفا‌ده‌ کرده‌ و ابتدا آورد ما‌ها‌نهصی‌ رودخا‌نهصی‌ کرج‌ در ایستگا‌ه‌ سیرا و سپس‌ جریا‌نصها‌ی محتمل‌ سا‌ل‌ 29-1931 پیشصبینی‌ میصشوند. جهت‌ با‌لا بردن‌ دقت‌ نتا‌یج‌ سا‌خت‌ مدلصها‌ی هیبریدی بر اسا‌س‌ تکنیک‌ partstoob پیشنها‌د میصشود. در سا‌خت‌ مدلصها‌ی هیبریدی، خروجی‌ مدلصها‌ی منفردی که‌ با‌ تکنیک‌ partstoob و الگوریتم‌ ژنتیک‌ کا‌لیبره‌ شدند؛ به‌ چها‌ر روش‌ میا‌نگینصگیری، شبکهصی‌ عصبی‌، موجک‌- شبکهصی‌ عصبی‌ و حداکثر آنتروپی‌ طیفی‌ ترکیب‌ میصشوند. خوشهصها‌ی تولیدی حا‌صل‌ از انواع مدلصها‌ی منفرد و هیبریدی با‌ معیا‌رها‌ی احتما‌لاتی‌ ما‌نند بریر، نرخ‌ به‌ هدف‌ خوردن‌، نرخ‌ با‌یا‌س‌ و ... که‌ به‌ صورت‌ استا‌تیکی‌، دینا‌میکی‌ ثا‌بت‌، دینا‌میکی‌ متغیر و فا‌زی تعریف‌ شدهصا‌ند، ارزیا‌بی‌ می‌-شوند. در این‌ پا‌یا‌نصنا‌مه‌ برای اولین‌ با‌ر از مدل‌ ویولن‌ در پیشصبینی‌ خوشهصا‌ی جریا‌ن‌ استفا‌ده‌ شدهصا‌ست‌. نتا‌یج‌ به‌ دست‌ آمده‌ نشا‌ن‌ میصدهد استفا‌ده‌ از مدلصها‌ی ویولن‌ به‌ عنوان‌ رویکردی جدید در زمینهصی‌ پیشصبینی‌ جریا‌ن‌ منجر به‌ بهبود نتا‌یج‌ پیشصبینی‌ خوشهصا‌ی میصشود. همصچنین‌ بر اسا‌س‌ معیا‌رها‌ی ارزیا‌بی‌ احتما‌لاتی‌ روش‌ حداکثر انتروپی‌ طیفی‌ به‌ عنوان‌ بهترین‌ روش‌ در سا‌خت‌ مدلصها‌ی هیبریدی معرفی‌ میصشود.

متن يادداشت

In this thesis, using Ensemble Streamflow Prediction )ESP( technique, probable hydrographs are predicted. In the ESP technique, a calibrated model is needed. For this purpose, the neural network and wavelon models in the form of single and hybrid are used. In the wavelon model, Morlet, Mexican hat and Gaussian wavelet are considered as the transfer functions in hidden layer. The neural network transfer function is the common sigmoid function. The genetic algorithm is utilized to train the mentioned models In the first, the monthly flow of the Karaj river at Sierra station is predicted and then the probable hydrographs of 2012 is estimated. To increase the accuracy of the results, hybrid models based on the bootstrap technique is proposed. To make hybrid models, the individual calibrated models outputs trained by bootstrap technique and genetic algorithm, are combined with four methods averaging, neural network, wavelet-neural network and Maximum entropy spectral. The traces produced by single and hybrid models are evaluated with probabilistic criteria such as Brier, average hit score )AHS(, bias rate, ... that have been defined as static, constant dynamic, variable dynamic and fuzzy form. In this thesis, for the first time, the wavelon model is used in ensemble stramflow prediction. The results show that using the wavelon models as a new approach in ensemble stramflow prediction, leads to improve the results. Also, based on the probabilistic evaluation criteria, the maximum entropy spectral model is the best method to develop hybrid models.

تقسیم فرعی موضوعی

پیش‌بینی‌ خوشه‌ ای جریا‌ن‌

تقسیم فرعی موضوعی

شبکه‌ ی عصبی‌

تقسیم فرعی موضوعی

ویولن‌

تقسیم فرعی موضوعی

الگوریتم‌ ژنتیک‌

تقسیم فرعی موضوعی

موجک‌

تقسیم فرعی موضوعی

حداکثر آنتروپی‌ طیفی‌

تقسیم فرعی موضوعی

تکنیک‌ partstoob

تقسیم فرعی موضوعی

عمران‌

عنصر شناسه ای

عمران‌

کد نقش

پ‌

عنصر شناسه اي

شیرین‌ پیران‌

عنصر شناسه اي

استاد راهنما: برها‌نی‌ داریا‌ن‌ ، علیرضا‌

کد کاربرگه

۸۸۴۴

نوع ماده

CF

سطح دسترسي

دانشکده‌ عمران‌