مقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیش بینی جریان رودخانه زاینده رود

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری/ سازه های آبی، دانشگاه شهید چمران، اهواز، ایران

2 کارشناسی ارشد/ سازه های آبی، دانشگاه مازندران، ایران

چکیده

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیچیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی و شبکه عصبی مصنوعی می‌باشد. مزیت اصلی این تکنیک‌ها نسبت به روش‌های رایج این است که در مدت زمان نسبتاً کوتاهی قادر به بررسی تأثیر انواع پارامترهای در دسترس، بر فرآیند مورد بررسی می‌باشند بدون آنکه در هر مرتبه نیاز به یافتن رابطه‌ پیچیده‌ی ریاضی موجود بین پارامترهای منتخب باشند. در تحقیق حاضر نیز، با استفاده از این دو تکنیک و بر اساس دبی، میزان درجه حرارت و بارش ماهانه، سری پیوسته‌ای از دبی و هر یک از متغیرهای مذکور تشکیل و تاثیر هریک از متغیرهای فوق در توالی‌های زمانی گذشته بر روی میزان دبی رودخانه در ماه‌های آینده بررسی شد و  میزان دبی در  ماه‌های آینده (فروردین تا شهریور) پیش‌بینی شد و در نهایت قابلیت استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی در پیش‌بینی میزان دبی رودخانه با یکدیگر مقایسه شده است و نتایج این تحقیق حاکی از برتری سیستم استنتاج فازی نسبت به شبکه عصبی مصنوعی می‌باشد.  

کلیدواژه‌ها


عنوان مقاله [English]

Discharge Prediction by Comparing Artificial Neural Network With Fuzzy Inference System (Case study: Zayandeh rud River)

نویسندگان [English]

  • N Poustizadeh 1
  • N Najafi 2
1 Ph.D. Candidate, Water Structures., Chamran University, Ahvaz, Iran
2 M.Sc. Water Structures., Mazandaran University, Iran
چکیده [English]

The Fuzzy Sets theory and the Artificial Neural Network are among the latest methods in Water Resources Engineering for systems dealing with complexity or ambiguity and lack enough data. The main advantage of these techniques over traditional methods is that they can investigate the effects of the available parameters on the process in a short time and with no need to cause complex mathematical equations. In this study time series of monthly discharge, temperature, and rainfall are used in the Artificial Neutral Network and  Fuzzy Inference System context in order to forecast the flow discharge for the upcoming months. Results of this research showed that the FIS gives better estimation than the ANN.

کلیدواژه‌ها [English]

  • Forecasting
  • River Flow
  • Fuzzy inference system
  • Artificial Neural Network
جمالی، س.، ابریشم­چی، الف و تجریشی، م. (1385). "ساخت مدل‌های پیش­بینی جریان رودخانه و بهره­برداری از مخزن با استفاده از سیستم استنباط فازی." مقاله دومین کنفرانس مدیریت منابع آب ایران.
کوره‌پزان دزفولی، الف. (1384). "تئوری مجموعه‌های فازی و کاربردهای آن در مدل‌سازی مسایل مهندسی آب." چاپ اول. انتشارات دانشگاه صنعتی امیرکبیر، 261ص.
 وانگ، ل. (1978)."سیستم­های فازی و کنترل فازی." ترجمه محمد تشنه لب و همکاران. انتشارات دانشگاه خواجه نصیر طوسی.
Hsu, k.-L., Gupta, H.V. and Sorooshnian, S. (1995), "Artificial neural networks modeling of rainfall-runoff process", Water Resources Research, 31(10), pp. 2517-2530.            
Mamdani, E.H. (1976), "Advances in linguistic synthesizes of fuzzy controllers", Journal of  Man mach, Stud., vol. 8, pp. 669-678.                                                           
 Ross, T.J. (1995), Fuzzy Logic with Engineering Applications, McGraw-Hill, Inc., USA.                                                  
 Salas, J.D., Markus, M. and  Tokar, A.S. (2000), "Streamflow forecasting based on artificial neural networks.In: Artifcial neural networks in hydrology", ed. Govindaraju, R.S. and Ramachandra, A., PP. 23-51. West Lafayette Indiana,U.S.A.
Sarangi, A. (2005), "Comparison of Artificial Neural Network and regression models for sediment loss prediction from Banha watershed in India", Journal ofAgricultural water management,  Pub. By Elsevier.