ارزیابی مدل شبکه عصبی مصنوعی – فازی (ANFIS) جهت شبیه‌سازی جریان ماهانه (مطالعه موردی: رودخانه کارون)
کد مقاله : 1357-IHA
نویسندگان:
جابر سلطانی *1، سپیده خائیز1، سامی قوردویی میلان2
1گروه مهندسی آب، پردیس ابوریحان دانشگاه تهران
2گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران
چکیده مقاله:
امروزه هر شبیه‌سازی شدت‌جریان رودخانه یک امر مهم در رابطه با مدیریت و مهار سیلاب‌ها، طراحی سازه‌های آبی مرتبط ، مدیریت و بهره‌برداری از مخازن سدها و مدیریت خشک‌سالی است. در این میان استفاده از مدل‌های یادگیری ماشین بدون نیاز به اطلاعات فیزیکی و زمین‌شناسی رودخانه‌ها امروزه به‌عنوان یک ابزار مفید در جهت شبیه‌سازی و پیش‌بینی جریان رودخانه استفاده می‌گردد. هدف از این مقاله شبیه‌سازی شدت‌جریان رودخانه با استفاده شبکه عصبی- فازی تطبیقی است. ارزیابی مدل مذکور بر روی یک محدوده مطالعاتی موردی رودخانه کارون انجام گردید. از داده‌های دبی ماه قبل، بارش، دما و تبخیر ماهانه به‌عنوان پارامترهای وردی در قالب الگوهایی مختلف استفاده گردید. نتایج نشان داد که الگوی شامل پارامترهای ورودی بارش، دما و دبی ماه قبل با ضریب تبیین، RMSE و MAPE به ترتیب برابر 68/0، 100 و 5 در بخش آزمون بیشترین دقت در جهت تعیین رفتار تغییرات جریان ماهانه را نشان داد. نتایج کلی نشان از دقت مناسب مدل شبکه عصبی –فازی در شبیه‌سازی جریان رودخانه می‌باشد.
کلیدواژه ها:
شبیه‌سازی جریان رودخانه، شبکه عصبی- فازی،رود کارون، ANFIS
وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است
هجدهمین کنفرانس هیدرولیک ایران