دوره 12، شماره 24 - ( پاییز و زمستان 1400 1400 )
جلد 12 شماره 24 صفحات 204-193 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
shahbazbeygy E, yaghoubi B, shabanlou S. Optimization of ANFIS Network using Wavelet Transform for simulation of Long term Rainfall of Rasht City. jwmr. 2021; 12 (24) :193-204
URL: http://jwmr.sanru.ac.ir/article-1-1028-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1028-fa.html
شهبازبیگی ابراهیم، یعقوبی بهروز، شعبانلو سعید. بهینه سازی شبکه ANFIS با استفاده از تبدیل موجک برای شبیه سازی بارش دراز مدت شهر رشت. پژوهشنامه مديريت حوزه آبخيز. 1400; 12 (24) :204-193
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
چکیده: (832 مشاهده)
چکیده مبسوط
مقدمه و هدف: تخمین و پیش بینی الگوی بارش در نواحی مختلف جهان به ویژه در نواحی خشک و نیمه خشک کره زمین مانند کشور ایران از اهمیت بسزایی برخوردار است. علاوه بر آن روش های عددی مختلف مانند روشهای هوش مصنوعی به دلیل دقت و سرعت بالا توانایی شبیه سازی پدیده بارش و موضوعات مشابه را دارد. استفاده از این روش ها نقش بسزایی در صرفه جویی در زمان و هزینه ها در مطالعات میدانی و آزمایشگاهی دارد. بنابراین، روز به روز به کاربرد و محبوبیت تکنیک های متنوع هوش مصنوعی برای تخمین و شبیه سازی مسائل متفاوت مانند بارندگی افزوده می شود. هدف از این مطالعه تخمین بارش دراز مدت شهر رشت توسط یک مدل ترکیبی ANFIS و تبدیل موجک می باشد.
مواد و روش ها: در این مطالعه، بارش شهر رشت در یک بازه زمانی دراز مدت 62 ساله از سال 1956 تا 2017 توسط یک مدل ترکیبی بهینه یافته هوش مصنوعی شبیه سازی شد. به عبارت دیگر، برای بهبود عملکرد مدل ANFIS از تبدیل موجک بهره گرفته شد و مدل ترکیبی WANFIS تعریف گردید. در ابتدا، با استفاده از تابع خود همبستگی تاخیرهای موثر داده های سری های زمانی شناسایی شدند. سپس با استفاده از این تاخیرها، برای هر یک از مدلهای ANFIS و WANFIS هشت مدل توسعه داده شد. لازم به ذکر است که برای آموزش مدلهای هوش مصنوعی از دادههای 42 سال و برای آزمون آنها از داده های 20 سال استفاده گردید. در ادامه، بهینه ترین تعداد توابع عضویت مدل ANFIS برابر با دو انتخاب شد.
یافته ها: نتایج مدلهای ANFIS 1 تا ANFIS 8 مورد بررسی قرار گرفتند. سپس اعضای مختلف خانواده موجک برای بهینه سازی مدل ANFIS مورد ارزیابی قرار گرفتند. به بیان دیگر، demy به عنوان بهترین عضو خانواده موجک برای بهبود عملکرد مدل ANFIS معرفی گردید. مقایسه مدل های ANFIS و WANFIS نشان داد که تبدیل موجک عملکرد مدل ANFIS را به شکل قابل ملاحظهای افزایش داد. سپس نتایج مدلهای ترکیبی WANFIS تجزیه و تحلیل شدند که مدل WANFIS 8 به عنوان مدل برتر معرفی شد. این مدل مقادیر بارندگی را با دقت قابل قبولی تخمین زد. به عنوان مثال، مقادیر R، MARE و RMSE برای مدل برتر به ترتیب مساوی با 0/961، 0/855 و 24/510 میلی متر محاسبه شدند.
نتیجه گیری: نتایج نشان داد که تاخیرهای شماره (t-1)، (t-2)، (t-3) و (t-12) موثرترین تاخیرها برای تخمین بارش درازمدت شهر رشت توسط مدل ترکیبی WANFIS بودند.
مقدمه و هدف: تخمین و پیش بینی الگوی بارش در نواحی مختلف جهان به ویژه در نواحی خشک و نیمه خشک کره زمین مانند کشور ایران از اهمیت بسزایی برخوردار است. علاوه بر آن روش های عددی مختلف مانند روشهای هوش مصنوعی به دلیل دقت و سرعت بالا توانایی شبیه سازی پدیده بارش و موضوعات مشابه را دارد. استفاده از این روش ها نقش بسزایی در صرفه جویی در زمان و هزینه ها در مطالعات میدانی و آزمایشگاهی دارد. بنابراین، روز به روز به کاربرد و محبوبیت تکنیک های متنوع هوش مصنوعی برای تخمین و شبیه سازی مسائل متفاوت مانند بارندگی افزوده می شود. هدف از این مطالعه تخمین بارش دراز مدت شهر رشت توسط یک مدل ترکیبی ANFIS و تبدیل موجک می باشد.
مواد و روش ها: در این مطالعه، بارش شهر رشت در یک بازه زمانی دراز مدت 62 ساله از سال 1956 تا 2017 توسط یک مدل ترکیبی بهینه یافته هوش مصنوعی شبیه سازی شد. به عبارت دیگر، برای بهبود عملکرد مدل ANFIS از تبدیل موجک بهره گرفته شد و مدل ترکیبی WANFIS تعریف گردید. در ابتدا، با استفاده از تابع خود همبستگی تاخیرهای موثر داده های سری های زمانی شناسایی شدند. سپس با استفاده از این تاخیرها، برای هر یک از مدلهای ANFIS و WANFIS هشت مدل توسعه داده شد. لازم به ذکر است که برای آموزش مدلهای هوش مصنوعی از دادههای 42 سال و برای آزمون آنها از داده های 20 سال استفاده گردید. در ادامه، بهینه ترین تعداد توابع عضویت مدل ANFIS برابر با دو انتخاب شد.
یافته ها: نتایج مدلهای ANFIS 1 تا ANFIS 8 مورد بررسی قرار گرفتند. سپس اعضای مختلف خانواده موجک برای بهینه سازی مدل ANFIS مورد ارزیابی قرار گرفتند. به بیان دیگر، demy به عنوان بهترین عضو خانواده موجک برای بهبود عملکرد مدل ANFIS معرفی گردید. مقایسه مدل های ANFIS و WANFIS نشان داد که تبدیل موجک عملکرد مدل ANFIS را به شکل قابل ملاحظهای افزایش داد. سپس نتایج مدلهای ترکیبی WANFIS تجزیه و تحلیل شدند که مدل WANFIS 8 به عنوان مدل برتر معرفی شد. این مدل مقادیر بارندگی را با دقت قابل قبولی تخمین زد. به عنوان مثال، مقادیر R، MARE و RMSE برای مدل برتر به ترتیب مساوی با 0/961، 0/855 و 24/510 میلی متر محاسبه شدند.
نتیجه گیری: نتایج نشان داد که تاخیرهای شماره (t-1)، (t-2)، (t-3) و (t-12) موثرترین تاخیرها برای تخمین بارش درازمدت شهر رشت توسط مدل ترکیبی WANFIS بودند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
هيدرولوژی
دریافت: 1398/4/9 | ویرایش نهایی: 1400/12/4 | پذیرش: 1400/1/18 | انتشار: 1400/6/10
دریافت: 1398/4/9 | ویرایش نهایی: 1400/12/4 | پذیرش: 1400/1/18 | انتشار: 1400/6/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
