فهرست مطالب farzane fotouhi
-
پیش بینی مولفه های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل های هوش مصنوعی، در پیش بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطوبت نسبی و تبخیر، سرعت باد در مقیاس ماهانه برآورد گردید و سپس کارایی دو مدل های هیبرید شبکه عصبی موجکی و شبکه فازی-عصبی موجکی با مدل های شبکه عصبی و فازی-عصبی در پیش بینی سرعت باد 12 ماه آینده مورد مقایسه قرار گرفت. در نهایت جهت تائید کارایی بهترین مدل، با استفاده از پارامتر های اقلیمی موثر سال 1383 سرعت باد در سال 1384 پیش بینی گردید. نتایج بدست آمده در مرحله ارزیابی مدل ها، تفاوت قابل ملاحظه عملکرد بهتر شبکه های عصبی موجکی و فازی-عصبی موجکی را نسبت به مدل های شبکه عصبی و فازی-عصبی نشان دادند. شایان ذکر است در مرحله ارزیابی، کارایی بالای شبکه های فازی-عصبی موجکی، برتری این مدل را نسبت به سایر مدل ها به اثبات رسانید.
کلید واژگان: پیش بینی, سرعت باد, موجک, شبکه عصبی موجکی, شبکه های فازی, عصبی موجکی}Iranian Journal of Watershed Management Science and Engineering, Volume:9 Issue: 30, 2015, PP 31 -40Prediction of wind components (like wind speed) is considered one of the important factor، especially in relation to evaporation in a watershed. In this paper، in order to increase the efficiency of artificial intelligence models، for predicting wind speed، two neural network and neuro-fuzzy models combined with wavelet and two new hybrid models were presented. This research was carried out by some climatic parameters in Yazd synoptic station including wind speed، mean temperature، maximum temperature، relative humidity and evaporation. Then، efficiency of wavelet neural network and wavelet neural –fuzzy models were compared with the neural network and neuro-fuzzy to predict the wind speed for next 12 months. Finally، in order to confirm the efficiency of the best model، wind speed in 2005 was predicted using effective climatic parameters in 2004. The obtained results showed higher efficiency of the wavelet neural network and wavelet neural – fuzzy than the neural network and neuro-fuzzy. Verification of hybrid models confirmed the efficiency of wavelet neural – fuzzy in comparing to the other models.Keywords: prediction, wind speed, wavelet, wavelet neural network, wavelet neural –fuzzy networks}
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.