مقاله شبیهسازی تبخیر با استفاده از مدلهای فازی عصبی ومقایسه آن با مدلهای سریزمانی (مطالعه موردی : دشت جم)


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
2 بازدید
۶۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله شبیهسازی تبخیر با استفاده از مدلهای فازی عصبی ومقایسه آن با مدلهای سریزمانی (مطالعه موردی : دشت جم) دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله شبیهسازی تبخیر با استفاده از مدلهای فازی عصبی ومقایسه آن با مدلهای سریزمانی (مطالعه موردی : دشت جم)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله شبیهسازی تبخیر با استفاده از مدلهای فازی عصبی ومقایسه آن با مدلهای سریزمانی (مطالعه موردی : دشت جم)،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله شبیهسازی تبخیر با استفاده از مدلهای فازی عصبی ومقایسه آن با مدلهای سریزمانی (مطالعه موردی : دشت جم) :

تعداد صفحات:۱۳
چکیده:
جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن میباشد . میتوان گفت یکی از مهمترین بخشها از این شناخت مربوط به ارائه مدلی جهت معرفی تبخیر آن حوضه میباشد. در این تحقیق از شبکههای فازی عصبی تطبیقی که ابزاری – نیرومند برای شبیهسازی فرآیندهای غیر خطی است و همچنین از مدلهای آماری کلاسیک سریهای نایستا ARMA استفاده شده است. پتانسیل شبکه های فازی عصبی تطبیقی در مقایسه با مدلهای آماری برای پیش بینی سریهای زمانی – هیدروژئولوژیکی مورد ارزیابی قرار گرفته است. اغلب سعی بر این بوده است که از روش های ریاضی برای مدلسازی این پدیده استفاده شود که در مرحله واسنجی و آموزش یک مدل از تعدادی پارامترهای حوضه استفاده میشود که خود این پارامترها دقیق و بطور کامل قابل اطمینان نمیباشند. ریاضیات فازی با ارئه تابع عضویت بجای عدد مطلق برای پارامتر مذکور دقت عمل را در ارزش دهی دادهها بالا می برد. در این مقاله مدل تبخیر حوضه جم واقع در استان بوشهر با استفاده از روشهای سری زمانی و سیستم استنتاج عصبی فازی تطبیقی ارائه میشود و در نهایت مناسب ترین مدلهای سری زمانی و نروفازی از طریق معیارهای ارزیابی مورد نظر ما مشخص میشوند. معیار ارزیابی جهت انتخاب مدل برتر بین ۲ مدل سری زمانی و شبکه های فازی عصبی تطبیقی، ضریب همبستگی r2 و مجذور میانگین مربعات خطا RMSE میباشد.. نتایج این تحقیق نشان میدهد که شبکههای فازی عصبی تطبیقی توانایی بالاتری را در شبیه سازی تبخیر در مقیاس ماهانه در دشت جم – دارد

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.