پاییز و زمستان 1400
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
چکیده: (34 مشاهده)
در این مطالعه، بارش شهر رشت در یک بازه زمانی دراز مدت 62 ساله از سال 1956 تا 2017 توسط یک مدل ترکیبی بهینهیافته هوش مصنوعی شبیهسازی شد. بهعبارت دیگر، برای بهبود عملکرد مدل ANFIS از تبدیل موجک بهرهگرفته شد و مدل ترکیبی WANFIS تعریف گردید. در ابتدا، با استفاده از تابع خود همبستگی تاخیرهای موثر دادههای سریهای زمانی شناسایی شدند. سپس با استفاده از این تاخیرها، برای هر یک از مدلهای ANFIS و WANFIS هشت مدل توسعه داده شد. لازم بهذکر است که برای آموزش مدلهای هوش مصنوعی از دادههای 42 سال و برای آزمون آنها از دادههای 20 سال استفاده گردید. در ادامه، بهینهترین تعداد توابع عضویت مدل ANFIS برابر با دو انتخاب شد. همچنین، نتایج مدلهای ANFIS 1 تا ANFIS 8 مورد بررسی قرار گرفتند. سپس اعضای مختلف خانواده موجک برای بهینهسازی مدل ANFIS مورد ارزیابی قرار گرفتند. بهبیان دیگر، demy بهعنوان بهترین عضو خانواده موجک برای بهبود عملکرد مدل ANFIS معرفی گردید. مقایسه مدلهای 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 بهعنوان مدل برتر معرفی شد. این مدل مقادیر بارندگی را با دقت قابل قبولی تخمین زد. بهعنوان مثال، مقادیر R، MARE و RMSE برای مدل برتر بهترتیب مساوی با 961/0، 855/0 و 510/24 میلیمتر محاسبه شدند. علاوه بر این، تحلیل حساسیت 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: 1400/6/21 | پذیرش: 1400/1/18 | انتشار: 1400/6/10
دریافت: 1398/4/9 | ویرایش نهایی: 1400/6/21 | 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. |
