دانشگاه آزاد اسلامی ، alireza.mardookhpour@yahoo.com
چکیده: (2640 مشاهده)
در تحقیق حاضر، هدف مقایسه تخمین بار رسوب معلق در سدهای مخزنی با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی می باشد. بررسیها توسط برنامه MATLAB انجام شده است و ورودی ها شامل دبی رودخانه سفید رود و خروجی، غلظت رسوب در گام زمانی بوده است.ورودی و خروجی رسوب دارای روند مثبت بوده و 80 درصد داده ها جهت آموزش و 20 درصد داده ها جهت آزمون شبکه مورد استفاده قرار گرفت. از تعداد 229 داده موجود 182 داده به عنوان داده های آموزشی و 47 داده برای آزمون بکار برده شده است.. نتایج بدست آمده نشان می دهند که پیش بینی غلظت بار معلق رسوب حاصل از مدل سیستم استنتاج فازی- عصبی به داده های واقعی غلظت رسوب نزدیک تر هستند و ضریب همبستگی حاصل از سیستم استنتاج فازی- عصبی 90 درصد می باشد. این در حالی است که ضریب همبستگی برای مدل های شبکه عصبی مصنوعی 83 درصد بدست آمده است. لذا سیستم استنتاج فازی- عصبی در پیش بینی میزان رسوب معلق نسبت به مدل شبکه عصبی مصنوعی دارای کارایی بهتری می باشد.
mardookhpour A, jamasbi H. Evaluation of the precision estimation of suspended sediment load in storage dams using neuro-fuzzy inference system and artificial neural network (Case study: Sefidrud-Guilan province). Iranian Dam and Hydroelectric Powerplant 2018; 5 (18) :49-55 URL: http://journal.hydropower.org.ir/article-1-144-fa.html
مردوخ پور علیرضا، جاماسبی حسین. ارزیابی دقت برآورد میزان انتقال رسوب معلق در سدهای مخزنی توسط سیستم استنتاج فازی- عصبی وشبکه عصبی مصنوعی (مطالعه موردی :رودخانه سفیدرود-استان گیلان). سد و نیروگاه برق آبی ایران. 1397; 5 (18) :49-55