جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه fuzzy interface system در نشریات گروه کشاورزی
fuzzy interface system
در نشریات گروه اکولوژی
تکرار جستجوی کلیدواژه fuzzy interface system در مقالات مجلات علمی
-
مقدار دبی یا رواناب خروجی از یک حوضه آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و مدل فازی عصبی تطبیقی (ANFIS) و روش رگرسیون چندمتغیره، فرایند بارش- رواناب به صورت روزانه در حوضه آبخیز خرم آباد شبیه سازی شد. برای ورودی ها از ترکیب های مختلف از ورودی های بارندگی همان روز، یک روز قبل و دو روز قبل استفاده شد. تابع عضویت ورودی های مدل ANFIS استفاده شده در این مطالعه، ذوزنقه ای، مثلثی، گوسی و گوسی نوع 2 است. مدل MLP به کار رفته با یک لایه پنهان و تعداد نورون های متغیر ارزیابی شد. نتایج نشان داد که مدل عصبی فازی تطبیقی (ANFIS) عملکرد بهتری از شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و مدل رگرسیون چندمتغیره دارد. همچنین با افزایش تعداد ورودی ها و دخالت دادن بارندگی یک و دو روز قبل، عملکرد هر سه مدل بهتر می شود.کلید واژگان: پرسپترون چندلایه، حوضه آبخیز خرم آباد، سیستم فازی، عصبی تطبیقی، رگرسیون چندمتغیره، روانابThe discharge or runoff which ousts from a watershed is important. Because its deficiency leads to financial losses and its excesses cause damage in lives and property as flood. In this research using Artificial Neural Network Multi-layer Perceptron (MLP (and Adaptive Neuro-fuzzy interface system (ANFIS) and multiple regression method simulated rainfall- runoff process on daily basis in the Khorramabad watershed. For inputs, different combinations of precipitation inputs including current rainfall, pervious day rainfall and two previous days were used. Inputs membership function for ANFIS model in this research is: the trapezoid, triangular, Gaussian and Gaussian type 2. MLP model that used in this research, was evaluated with one hidden layer and the number of variables neurons. The results showed that Adaptive Neuro-fuzzy interface system (ANFIS) compared to multi-layer perceptron model (MLP) and multiple regression model, has better performance. Also by increasing in the number of inputs, involvement pervious day rainfall and two previous days, all three models performance will be better.Keywords: Adaptive Neuro, fuzzy interface system, Multi, layer perceptron, Multiple regression, runoff, Khorramabd watershed
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.