Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

674
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

581
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی نوسانات ماهانه سطح آب دریاچه ارومیه با استفاده از مدل هوش مصنوعی مرکب نظارت شده

صفحات

 صفحه شروع 151 | صفحه پایان 163

چکیده

 در سال های اخیر کاهش سطح آب دریاچه ارومیه سبب ایجاد بحران آبی و زیست محیطی در منطقه گردیده است. بنابراین ضروری است که مدیریت و برنامه ریزی صحیح و قابل اعتماد در این زمینه صورت گیرد که لازمه آن مدل سازی سطح آب دریاچه برای آینده می باشد. در این تحقیق از روش های شبکه عصبی مصنوعی (ANN), سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و ماشین بردار پشتیبان (SVM) برای پیش بینی سطح آب یک [h (t+1)], دو [h (t+2)] و سه [h (t+3)] ماه آینده دریاچه ارومیه استفاده گردید و در نهایت از یک مدل هوش مصنوعی مرکب نظارت شده (SCMAI) برای رسیدن به یک عملکرد بهتر از مدل های منفرد به کار گرفته شده, استفاده شد. برای مدل سازی, اطلاعات سطح آب ماه جاری [h (t)]و یازده ماه گذشته [h (t-1), … , h (t-11)] به عنوان ورودی و سطح آب یک, دو و سه ماه آینده به عنوان خروجی مدل ها در نظر گرفته شدند. داده ها به دو دسته داده های آموزش/ اعتبارسنجی (90 درصد کل داده ها) و داده های آزمایش (10 درصد کل داده ها) تقسیم بندی گردیدند و پس از مدل سازی, عملکرد مدل ها بر اساس پارامترهای ضریب تعیین (R2), جذر میانگین مربعات خطا (RMSE) و میانگین مطلق خطا (MAE) ارزیابی شدند. نتایج نشان دادند که مدل های بردار پشتیبان عملکرد بهتری نسبت به مدل های شبکه عصبی مصنوعی و عصبی-فازی دارند. مدل هوش مصنوعی مرکب نظارت شده به منظور ترکیب نتایج مدل های مختلف به کار گرفته شد و نشان داد که مدل های هوش مصنوعی مرکب نظارت شده قادرند کارایی مدل های منفرد هوش مصنوعی را بهبود بخشند. نتایج معیارهای عملکرد مدل هوش مصنوعی مرکب نظارت شده بیان می-کند که مدل سازی یک ماه آینده سطح آب با مقادیر R2, RMSE و MAE به ترتیب برابر با 9896/0, 0547/0 متر و 0421/0 متر در مقایسه با مدل بردار پشتیبان عملکرد بهتری دارد که این عملکرد برای پیش بینی های دو و سه ماه آینده سطح آب دریاچه نیز صادق می باشد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    برزگر، رحیم، اصغری مقدم، اصغر، و فیجانی، الهام. (1398). پیش بینی نوسانات ماهانه سطح آب دریاچه ارومیه با استفاده از مدل هوش مصنوعی مرکب نظارت شده. دانش آب و خاک (دانش کشاورزی)، 29(1 )، 151-163. SID. https://sid.ir/paper/147938/fa

    Vancouver: کپی

    برزگر رحیم، اصغری مقدم اصغر، فیجانی الهام. پیش بینی نوسانات ماهانه سطح آب دریاچه ارومیه با استفاده از مدل هوش مصنوعی مرکب نظارت شده. دانش آب و خاک (دانش کشاورزی)[Internet]. 1398؛29(1 ):151-163. Available from: https://sid.ir/paper/147938/fa

    IEEE: کپی

    رحیم برزگر، اصغر اصغری مقدم، و الهام فیجانی، “پیش بینی نوسانات ماهانه سطح آب دریاچه ارومیه با استفاده از مدل هوش مصنوعی مرکب نظارت شده،” دانش آب و خاک (دانش کشاورزی)، vol. 29، no. 1 ، pp. 151–163، 1398، [Online]. Available: https://sid.ir/paper/147938/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا