ارزیابی کارایی روش توابع متعامد تجربی نسبت به سیستم استنتاج فازی و شبکه عصبی مصنوعی برای پیش بینی جریان

پیام:
چکیده:
برای پیش بینی مقدار جریان ورودی، معمولا دو روش کلی مدل سازی متکی به فرآیند و مدلسازی متکی به داده استفاده می شود. از جمله روش های متکی به داده در زمینه پیش بینی جریان رودخانه، مدلهای شبکه عصبی مصنوعی، مدل های رگرسیون، مدلهای سریزمانی و مدل های منطق فازی می باشد. در این تحقیق کارایی روش دیگری به نام تکنیک توابع متعامد تجربی نسبت به روش های شبکه عصبی مصنوعی و سیستم استنتاج فازی برای پیشبینی جریان ماهانه ورودی به مخزن سد لتیان مورد ارزیابی قرار گرفت. پنج مدل ساخته شده توسط شبکه عصبی مصنوعی و سیستم استنتاج فازی شبیه هم بوده که بستگی به باران، دما و دبی دارد و مدل های ساخته شده توسط توابع متعامد تجربی فقط بستگی به دبی در ایستگاه لتیان و ایستگاه های مجاور دارد. ابتدا برای هر مدل بهترین ترکیب شناسایی شد سپس فاکتورهای آماری CE، MAPE، RMSE و CORR در بهترین ترکیب های هر مدل مورد مقایسه قرار گرفت. نتایج عددی نشان داد بهترین مدل مربوط به سیستم استنتاج فازی می باشد. لذا کارایی این مدل نسبت به مدل های شبکه عصبی و توابع متعامد بیشتر می باشد.
زبان:
فارسی
در صفحه:
29
لینک کوتاه:
magiran.com/p1257277 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!