پیش‌‌بینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 کارشناس ارشد- شرکت میعاد سازه پارس

2 استاد دانشگاه تبریز

چکیده

در طی سال‌های اخیر پیش‌‌بینی فرآیندهای هیدرولوژیکی به منظور بهره‌برداری پایدار از منابع آب با استفاده از روش‌‌های هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهره‌‌گیری از شبکه‌‌های عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) اقدام به پیش‌‌بینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. برای مدل‌‌سازی جریان یک روز بعد، داده‌‌ های دبی روزانه سال‌های 1381 تا 1388 مورد استفاده قرار گرفت. طی فرایند مدلسازی داده های دبی 6 سال به عنوان داده های آموزش و بقیه به عنوان داده های آزمون انتخاب گردید. ارزیابی نتایج پیش‌‌بینی‌‌ها با استفاده از معیارهای ضریب تبیین (R2) و ریشه دوم میانگین مربعات خطا (RMSE) نشان داد، سیستم استنتاج فازی- عصبی تطبیقی با دقت بالاتری (94/0= R2 و (متر مکعب بر ثانیه) 0318/0=RMSE ) نسبت به شبکه‌‌های عصبی مصنوعی (92/0= R2و (متر مکعب بر ثانیه) 0378/0 =RMSE) جریان روزانه رودخانه اهرچای را پیش بینی می کند.

کلیدواژه‌ها

عنوان مقاله [English]

Forecasting daily river flow of Ahar Chay River using Artificial Neural Networks (ANN) and Comparation with Adaptive Neuro Fuzzy Inference System (ANFIS)

نویسندگان [English]

  • mohammadreza abdollahpour 1
  • mohammad sattari 2
1
2 U tabriz
چکیده [English]

In recent years application of intelligent methods has been considered in forecasting hydrologic processes. In this research, daily river flow of Ahar Chay, a river located in East-Azerbaijan province at the north-west of Iran, was forecasted using Artificial Neural Networks and Adaptive Neuro Fuzzy Inference System methods in Orang, Bermis and Tazekand stations. For the modeling of the next day flow, daily flow discharge data was used which was collected between 2002 and 2009 years. So that 6-year data set was selected as the training data and the rest as a test data. Determination coefficient (R2( and Root Mean Squared Error (RMSE) statistical criteria were used to evaluate the performance of the obtained results. The results showed that Adaptive Neuro Fuzzy Inference System (ANFIS) method gives a better daily river flow forecasting in Ahar Chay with R2=0.94 and RMSE=0.0318 m3/sec compared to Artificial Neural Networks (ANN) method with R2=0.92 and RMSE=0.0378 m3/sec.

کلیدواژه‌ها [English]

  • Flow forecasting
  • Artificial neural networks
  • adaptive neuro fuzzy inference systems
  • Ahar Chay River

فایل ها

هم رسانی

ارجاع به این مقاله

آمار