|
|
پیشبینی تراز سطح آب با استفاده از مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی
|
|
|
|
|
نویسنده
|
کماسی مهدی ,قشلاقی ندا ,شرقی سروش
|
منبع
|
مهندسي عمران و محيط زيست - 1401 - دوره : 52 - شماره : 3 - صفحه:105 -115
|
چکیده
|
چالش منابع آب امروزه مشکل بسیاری از کشورهای خاورمیانه است و این واقعیت در مورد دریاچه ارومیه که تراز سطح آب آن، با توجه به تغییرات بارش، خشکسالی و سدسازی دچار تغییرات و نوسانات زیادی شده است، دارای اهمیت بیشتری میباشد. هدف اصلی این مقاله بررسی قابلیت روش پویایی سیستم، sd (system dynamic)، برای پیشبینی نوسانات سطح آب با استفاده از شبکه عصبی فازی تطبیقی موجکی، wanfis (wavelet adaptive neuro-fuzzy inference systems)، میباشد. به همین دلیل، یک مدل شبیهسازی بر پایه پویایی سیستم برای حوضه آبریز دریاچه ارومیه توسعه داده شد. سپس، برای پیشبینی سطح آب، عوامل موثر بر آن مانند بارش، دبی و تبخیر با استفاده از مدل wanfis پیشبینی شده و نتایج حاصل از پیشبینی وارد مدل پویایی سیستم میگردد و سپس سطح آب محاسبه میشود. نتایج مدل سازی نشان داد که مدل ترکیبی پویایی سیستم و شبکه عصبی فازی تطبیقی موجکی (sd-wanfis) دارای عملکرد مناسبی میباشد. مقادیر شاخصهای آماری مانند جذر میانگین مربعات خطا و ضریب تبیین برای مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی در مرحله صحت سنجی به ترتیب 0.31 متر و 0.84 میباشد. درحالی که این شاخص ها برای مدل جعبه سیاه خطی خود همبسته میانگین متحرک تلفیقشده، arima (auto regressive integrated moving average) برابر 0.61 متر و 0.53 میباشند. این نتایج نشان داد که ترکیب این دو مدل sd و مدل فازی wanfis جهت پیشبینی با دقت مناسب، مفید میباشد.
|
کلیدواژه
|
پویایی سیستم، موجک، شبکه عصبی فازی تطبیقی، پیشبینی تراز سطح آب، دریاچه ارومیه
|
آدرس
|
دانشگاه آیت اله العظمی بروجردی (ره), دانشکده مهندسی, گروه مهندسی آب و سازه های هیدرولیکی, ایران, دانشگاه بوعلی سینا, گروه سازه های آبی, ایران, دانشگاه آیت اله العظمی بروجردی (ره), دانشکده مهندسی, گروه مهندسی آب و سازه های هیدرولیکی, ایران
|
پست الکترونیکی
|
soroushsharghi@gmail.com
|
|
|
|
|
|
|
|
|
lake water level forecasting using wavelet-anfis and system dynamic model
|
|
|
Authors
|
komasi mehdi ,gheshlaghi neda ,sharghi soroush
|
Abstract
|
nowadays challenge of water resource is a problem of many countries in the middle east. this fact about urmia lake in iran has more importance in the recent decade. urmia lake water level has involved many changes and fluctuations due to rainfall changes, droughts and dam constructions. the main purpose of this article is an investigation of system dynamic (sd) methods for forecasting water level fluctuations using wavelet adaptive neuro-fuzzy inference system (wanfis).
|
|
|
|
|
|
|
|
|
|
|
|
|