شبیه سازی معادله بیلان هیدرولوژیکی با استفاده از مدل های فازی عصبی ومقایسه آن با مدل های سری زمانی (مطالعه موردی : دشت جم)

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

 شبیه سازی معادله بیلان هیدرولوژیکی با استفاده از مدل های فازی عصبی ومقایسه آن با مدل های سری زمانی (مطالعه موردی : دشت جم) دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شبیه سازی معادله بیلان هیدرولوژیکی با استفاده از مدل های فازی عصبی ومقایسه آن با مدل های سری زمانی (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 شبیه سازی معادله بیلان هیدرولوژیکی با استفاده از مدل های فازی عصبی ومقایسه آن با مدل های سری زمانی (مطالعه موردی : دشت جم)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن شبیه سازی معادله بیلان هیدرولوژیکی با استفاده از مدل های فازی عصبی ومقایسه آن با مدل های سری زمانی (مطالعه موردی : دشت جم) :

تعداد صفحات :۱۷

چکیده مقاله:

در این پژوهش به شبیه سازی معادله بیلان هیدرولوژیکی دشت با استفاده از دو نرم افزار سری زمانی و شبکه هایفازی عصبی- استنتاجی تطبیقی پرداخته ایم. ابتدا داده های آماری هیدرولوژیکی را که شامل دبی، بارش، دما، رطوبت، تبخیر، سرعت باد، جهت باد، تراز آب زیرزمینی را از ایستگاه های سینوپتیک و هیدرومتری موجود درمنطقه مورد مطالعه بدست می آوریم. طول دوره های آماری باید کافی باشد. سپس تمام آمارهای موجود را همزمانمی کنیم و در نهایت از ۸۰ % داده ها جهت آموزش شبکه و ۲۰ % داده ها جهت تست مدل استفاده می کنیم. با توجهبه معادله بیلان (P – R – G – ET = S) با استفاده از نرم افزار ITSM (سری زمانی) و سپس با استفاده ازنرم افزار MATLAB (شبکه های فازی عصبی تطبیقی) به شبیه سازی بارش، رواناب، تراز آب زیرزمینی و تبخیر می پردازیم. در شبکه های فازی عصبی استنتاجی تطبیقی جهت صحت سنجی مدل، انواع الگوهای مختلف را جهت شبیه سازی اجزای معادله بیلان و تا حداکثر ۲ ماه تاخیر را برسی می کنیم و در نهایت الگوی برتر را انتخابمی کنیم. معیار ارزیابی جهت انتخاب مدل برتر بین ۲ مدل سری زمانی و شبکه های فازی عصبی- استنتاجی تطبیقی، ضریب همبستگی ((R(2) و مجذور میانگین مربعات خطا (RMSE) می باشد. مدلی که دارای ضریبهمبستگی بیشتر و مجذور میانگین مربعات خطای کمتری داشته باشد به عنوان مدل برتر انتخاب می شود.نتایج این تحقیق نشان می دهد که شبکه های فازی عصبی استنتاجی تطبیقی توانایی بالاتری را در شبیه سازی اجزای معادله بیلان را در مقیاس ماهانه در دشت جم دارد.