مرکز اطلاعات علمی 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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

684
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

592
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بهبودعملکرد نرم افزارهای هوش مصنوعی در شبیه سازی بارش-رواناب با استفاده از روش حذف-تزریق نوفه

صفحات

 صفحه شروع 81 | صفحه پایان 94

چکیده

 مدل سازی دقیق فرآیندهای هیدرولوژیکی از قبیل بارش– رواناب می تواند اطلاعات مهمی از یک حوضه آبریز برای مدیریت منابع آب فراهم کند. اخیراً در این راستا, مدل های مختلف جعبه سیاه برای شبیه سازی چنین پدیده پیچیده ای به کاررفته اند. مدل های داده محور وابستگی زیادی به کمیت وکیفیت داده ها دارند و داده های دارای نوفه کارایی مدل ها را تحت تاثیر قرار داده ورفع نوفه از داده ها با استفاده از یک روش مناسب می تواند منجر به کارایی بهترمدل های داده محور شود. لذا دراین مقاله ابتدا با استفاده ازروش رفع نوفه موجکی اقدام به رفع نوفه بد ازسری های زمانی روزانه کرده و سپس با افزودن نوفه خوب به این داده های رفع نوفه شده و تشکیل مجموعه های آموزشی مختلف, شبیه سازی بارش – رواناب برای ایستگاه پل آنیان واقع درحوضه آبریز زرینه رود در بالا دست سد بوکان, با استفاده از مدل های جعبه سیاه ANNو ANFIS انجام شده است. همچنین برای بررسی دقت مدل پیشنهادی, نتایج این مدل سازی ها با مدل های کلاسیک جعبه سیاه ARIMA و MLR مورد مقایسه قرار گرفته است. نتاج نشان می دهند که اعمال هم زمان رفع نوفه موجکی و افزودن نوفه خوب در مدل سازی با ANN بهبود 23 درصدی و در مدل سازی با ANFIS باعث بهبود 14درصدی, در مرحله آزمایش مدل ها شده است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    پرتویان، افشین، نورانی، وحید، و اعلمی، محمدتقی. (1397). بهبودعملکرد نرم افزارهای هوش مصنوعی در شبیه سازی بارش-رواناب با استفاده از روش حذف-تزریق نوفه. مهندسی منابع آب، 11(36 )، 81-94. SID. https://sid.ir/paper/169628/fa

    Vancouver: کپی

    پرتویان افشین، نورانی وحید، اعلمی محمدتقی. بهبودعملکرد نرم افزارهای هوش مصنوعی در شبیه سازی بارش-رواناب با استفاده از روش حذف-تزریق نوفه. مهندسی منابع آب[Internet]. 1397؛11(36 ):81-94. Available from: https://sid.ir/paper/169628/fa

    IEEE: کپی

    افشین پرتویان، وحید نورانی، و محمدتقی اعلمی، “بهبودعملکرد نرم افزارهای هوش مصنوعی در شبیه سازی بارش-رواناب با استفاده از روش حذف-تزریق نوفه،” مهندسی منابع آب، vol. 11، no. 36 ، pp. 81–94، 1397، [Online]. Available: https://sid.ir/paper/169628/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button