فهرست مقالات مدل ANFIS

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - مدل‌سازی جریان روزانه رودخانه با استفاده از فرامدل‌های شبیه‌ساز (مطالعه موردی:رودخانه گاماسیاب)
  معصومه زینعلی محمدرضا گلابی محمد حسین نیک سخن محمد رضا شریفی
  10.22034/jest.2020.33087.4089
  زمینه و هدف: هدف در ابتدا بیان نمودن تفاوت ها و شناسایی3 مدل به نام های، برنامه ریزی بیان ژن (GEP)، شبکه عصبی فازی (ANFIS) و شبکه بیزین (BN) است و مقایسه آنها با یکدیگر و سوال اساسی تحقیق این است که ایا فرامدل شبیه ساز برتر در این مطالعه می تواند در شرایط کمبود داده چکیده کامل

  زمینه و هدف: هدف در ابتدا بیان نمودن تفاوت ها و شناسایی3 مدل به نام های، برنامه ریزی بیان ژن (GEP)، شبکه عصبی فازی (ANFIS) و شبکه بیزین (BN) است و مقایسه آنها با یکدیگر و سوال اساسی تحقیق این است که ایا فرامدل شبیه ساز برتر در این مطالعه می تواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدل های مفهومی باشد. روش بررسی: داده های مورد استفاده برای این پژوهش، داده های بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره 10 ساله 1391-1381 می باشد. برای مرحله پیش بینی یا شبیه سازی از داده های سال آبی 1391-1390 استفاده شده است. یافته ها: در مرحله آموزش و با توجه به ضریب تبیین و پارامتر جذر میانگین مربعات خطا و معیار AIC، مشاهده می‌شود که در هر 3 مدل، هم در مرحله آموزش و هم در مرحله تست شاهد اختلاف بسیار اندک در مقدار این پارامتر ها هستیم و نتایج هر 3مدل تقریبا با اختلاف بسیار اندک، نزدیک به هم است و تقریبا برتری نسبی مدل GEP را می توان مشاهده کرد. بحث و نتیجه گیری: نتایج بیانگر آن است که فرامدل[1] شبیه‌ساز بیان ژن توانایی خوبی برای شبیه‌سازی و پیش بینی جریان روزانه رودخانه دارد و این فرامدل شبیه ساز، می تواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدل های مفهومی باشد. علاوه بر این سرعت اجرای مدل برنامه ریزی بیان ژن نسبت به بقیه مدل‌ها بیشتر بوده و در زمان کوتاهی قادر به ارائه نتایج بوده است. [1]- Meta Model پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - مقایسه الگوریتم‌های هوش مصنوعی در مدل سازی جریان روزانه رودخانه
  معصومه زینعلی سهیلا فرزی محمدرضا گلابی فریدون رادمنش
  یکی از مهم ترین مسائل در مهندسی منابع آب، پیش‌بینی میزان دبی رودخانه‌ها، به عنوان یکی از منابع اصلی تأمین کننده آب بشر، می‌باشد که از نظر برنامه‌ریزی منابع آب دارای اهمیت است. استفاده از مدل‌های جدید در این زمینه می-تواند به مدیریت و برنامه‌ریزی صحیح کمک کند. در این مطا چکیده کامل

  یکی از مهم ترین مسائل در مهندسی منابع آب، پیش‌بینی میزان دبی رودخانه‌ها، به عنوان یکی از منابع اصلی تأمین کننده آب بشر، می‌باشد که از نظر برنامه‌ریزی منابع آب دارای اهمیت است. استفاده از مدل‌های جدید در این زمینه می-تواند به مدیریت و برنامه‌ریزی صحیح کمک کند. در این مطالعه، به ارزیابی 3 مدل به نام‌های، شبکه عصبی – فازی (ANFIS)، شبکه بیزین(BN) و ماشین بردار پشتیبان (SVM) پرداخته شده است. داده‌های مورد استفاده برای این پژوهش، داده‌های بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره 10 ساله (1391-1381) می‌باشد. نتایج نشانگر این بود که مدل شبکه عصبی– فازی(ANFIS) و ماشین بردار پشتیبان(SVM) تقریبا عملکرد یکسانی در مدل-سازی جریان روزانه رودخانه داشتند و نسبت به مدل شبکه بیزین کارایی بهتری داشتند.. علاوه بر این سرعت اجرای مدل SVM نسبت به بقیه مدلها بیشتر بود و در زمان کوتاهی قادر به ارائه نتایج بود. پرونده مقاله