Golmohammadi, M.H., Safavi, H.R. (2010) Prediction of Univariate Time Series with Adaptive Neuro-Based Fuzzy Inference System. 5th National Congress on Civil Engineering, Mashhad, Iran, May, 4-6.

پیش ­بینی سری­ های زمانی تک متغیره هیدرولوژیکی با استفاده از سیستم فازی بر پایه شبکه عصبی تطبیقی

چکیده

پیش ­بینی جریان رودخانه­ ها یکی از مسائل بسیار مهم در هیدرولوژی می­ باشد که در طراحي و برنامه­ ریزی منابع آب سطحي نقش بسزایی دارد. استفاده از روش­هاي مختلف تحليل سری­ های زمانی از شیوه ­های متداول در پیش­ بینی عوامل هیدرولوژیکی از جمله جريان رودخانه هاست. روابط پیچیده و تقریبی و بالتبع صرف زمان زیاد در تخمین پارامترهای مدل ­های مختلف در روش هاي تحليل سری­ های زمانی و از طرف ديگر وجود داده­ های کافي با طول مناسب، متخصصين را به استفاده از مدل­ های داده محور ترغیب نموده است. سیستم های فازی برپایة شبکة عصبی تطبیقی یکی از روش­ های کارآمد در زمینه پیش­ بینی سری­های زمانی هیدرولوژیکی می­باشد. در این تحقیق با ایجاد یک سیستم فازی برپایه شبکه عصبی تطبیقی و با توجه به داده ­های موجود از رودخانه زاینده ­رود، آموزش شبکه صورت گرفته و با استفاده از آن پارامترهای سری زمانی تک متغیره تخمین زده شده است. سپس با کاربرد بخشي از داده­ ها جهت صحت­ سنجی، نتایج حاصل از سری زمانی،که پارامترهای آن از سیستم فازی بر پایه شبکه عصبی تطبیقی به دست آمده است، مورد مقایسه قرار گرفت. نهايتاً توانایی پیش ­بینی سیستم فازی بر پایة شبکة عصبی تطبیقی به صورت مستقل با سیستم فازی بر پایه شبکه عصبی تطبیقی به صورت توأم با سری ­های زمانی مورد مقایسه قرار گرفت، که نشان دهنده کارآیی مناسب این سیستم­ ها در پیش ­بینی می­ باشد.

کلمات کلیدی

پیش­ بینی جریان رودخانه، سری­ های زمانی هیدرولوژیکی، سیستم فازی بر پایه شبکه عصبی تطبیقی

Text