پایان نامه ارزیابی عملکرد مدل‌های هوشمند نروفازی و شبکه‌های عصبی مصنوعی در پیش‌بینی و شبیه‌سازی پارامتر کیفیTDS رودخانه‌ها (مطالعه موردی: رودخانه آب شیرین)

پایان نامه ارزیابی عملکرد مدل‌های هوشمند نروفازی و شبکه‌های عصبی مصنوعی در پیش‌بینی و شبیه‌سازی پارامتر کیفیTDS رودخانه‌ها (مطالعه موردی: رودخانه آب شیرین)
پایان نامه کارشناسی ارشد
–

تعداد صفحه :120
چکیده:
رودخانه‌ها از مهم‌ترین و متداول‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعتی به شمار می‌آیند. این منابع به علت عبور از بسترهای مختلف و ارتباط مستقیم با محیط پیرامون خود نوسانات کیفی زیادی دارند. از اینرو پیش‌بینی کیفیت جریان رودخانه‌ها که پدیده‌ای غیر قطعی، تصادفی و تأثیرپذیر از برخی عوامل طبیعی و غیر طبیعی می‌باشد، نقش مهمی در مدیریت کیفی منابع آب ایفا می‌نماید. با توجه به نواقص موجود در داده‌های آماری می‌توان از نتایج مدل‌های شبیه‌سازی به منظور کشف نواقص، اصلاح یا تکمیل داده‌ها استفاده نمود. در راستای بررسی وضعیت کیفی یک منبع آبی، شاخص‌هایی برای کنترل کیفیت منابع آب در نظر گرفته می‌شود. جهت تحقق این امر، غلظت مواد جامد محلول (TDS) و هدایت الکتریکی (EC) ایستگاه هیدرومتری گراب واقع در رودخانه آب شیرین، برای پیش‌بینی و شبیه‌سازی تغییرات شوری مورد ارزیابی قرار گرفته است. در مدل‌های پیش‌بینی، با حفظ پیوستگی زمانی از ورودی‌های تأخیری ماهانه کل جامدات محلول برای تخمین شوری استفاده شده است و در مدل‌های شبیه‌سازی به دلیل عدم لزوم حفظ پیوستگی زمانی و کاهش خطای مدلسازی‌ها، ترکیب تصادفی مجموع آنیون‌ها و کاتیون‌ها به عنوان ورودی مدل مورد استفاده قرار گرفته است. در این مطالعه الگوریتم‌های هوشمند شبکه‌های عصبی مصنوعی و فازی-عصبی، برای مدل‌سازی سری‌های زمانی که شرایطی از قبیل ایستایی را برای به‌کارگیری تکنیک‌های کلاسیک ندارند، مورد استفاده قرار گرفته‌اند. نتایج، حاکی از عملکرد تقریبا مشابه دو روش فوق با دقت قابل قبولی در مدل‌سازی پارامترهای کیفی حوضه مطالعاتی می‌باشد. در پایان با توجه به نتایج بدست آمده، مدل نروفازی در مقایسه با شبکه عصبی دارای عدم قطعیت کمتری در مقادیر خروجی می‌باشد؛ به طوری که در عرض محدوده‌ی اطمینان اکثر مدلسازی‌ها، عملکرد بهتری از خود نشان می‌دهد.
واژه‌های کلیدی: پارامترهای کیفی، پیش‌بینی، رودخانه آب شیرین، شبکه‌های عصبی مصنوعی، شبیه‌سازی، عصبی-فازی.
فهرست مطالب
عنوان صفحه
فصل اول: مفاهیم اولیه 8
1-1 مقدمه 8
1-2 پیش بینی هیدرولوژیکی 9
1-2-1 مدل‌سازی برای پیش‌بینی 10
1-2-1-1 تعیین پیش بینی کننده مناسب 10
1-2-1-2 تعیین مدل مناسب 11
1-2-1-3 واسنجی 11
1-2-1-4 صحت سنجی مدل 11
1-3 تحلیل سری‌های زمانی 12
1-3-1 بررسی فرایندهای غیر قطعی 13
1-3-2 مدل‌های پیش‌بینی مفهومی 13
1-4 کیفیت آب 14
1-4-1 کل مواد جامد محلول (TDS) 14
1-4-2 هدایت الکتریکی(EC) 15
1-5 کلیات تحقیق 15
1-5-1 هدف از انجام پروژه 15
1-5-2 چهارچوب کلی پایان نامه 16
فصل دوم: مروری بر تحقیقات و مطالعات انجام شده 18
2-1 مقدمه 18
2-2 مروری بر ادبیات موضوع 19
2-2-1 شبکه‌های عصبی مصنوعی در هیدرولوژی 19
2-2-2 تحقیقات انجام شده در زمینه‌ی مدلسازی پارامترهای کیفی رودخانه‌ها 20
2-2-3 تحقیقات انجام شده در زمینه‌ی سیستم استنتاج عصبی- فازی 25
2-2-4 تحقیقات انجام شده در زمینه‌ی مدل‌های هیبرید 27
فصل سوم: مدل هوشمند شبکه‌های عصبی مصنوعی 31
3-1 مقدمه 31
3-1-1 تاریخچه شبکه‌های عصبی 32
3-1-2 دلایل استفاده از شبکه‌های عصبی مصنوعی 33
3-1-2-1 قابلیت یادگیری: 33
3-1-2-2 پراکندگی اطلاعات «پردازش اطلاعات به صورت متن» 34
3-1-2-3 قابلیت تعمیم 34
3-1-2-4 پردازش موازی 34
3-1-2-5 مقاوم بودن 35
3-2 توابع انتقال 35
3-2-1 خواص توابع سیگموئیدی 35
3-2-2 تابع تانژانت هیپربولیک tansig 35
3-3 معماری شبکههای عصبی 37
3-3-1 نورون با یک بردار به عنوان ورودی 37
3-3-2 شبکه یک لایه 38
3-4 قوانین یادگیری 38
3-4-1 شبکه‌های پس انتشار 39
3-4-2 شبکه‌های Feedforward 40
3-4-3 آموزش شبکه 40
3-4-3-1 الگوریتم پس انتشار 41
3-4-3-2 الگوریتم Levenberg- Marquardt 41
3-4-3-3 توقف زودرس 42
3-4-3-4 محدودیتهای شبکههای پس انتشار 42
فصل چهارم:منطق فازی و مدل ترکیبی عصبی-فازی (ANFIS) 43
4-1 مقدمه 43
4-1-1 سیستم‌های فازی 43
4-1-2 تاریخچه 44
4-2 منطق فازی چیست؟ 45
4-2-1 توصیف منطق فازی 45
4-2-2 دلایل استفاده از منطق فازی 46
4-2-3 هدف منطق فازی 47
4-3 اصول در منطق فازی 48
4-3-1 مجموعه‌های فازی 48
4-3-2 توابع عضویت در منطق فازی 49
4-3-3 عملیات منطقی 50
4-3-4 قواعد if – then 51
4-4 سیستم‌های استنتاج فازی 53
4-4-1 تعریف سیستم‌های استنتاج فازی 53
4-4-2 استنتاج فازی به روش سوگنو 54
4-4-3 مقایسه روش‌های ممدانی و سوگنو 54
4-5 ANFIS 55
4-5-1 ANFIS چیست؟ 55
4-5-2 یادگیری مدل و استنتاج از طریق ANFIS 55
4-5-3 ساختار FIS و تنظیم پارامتر 55
4-5-4 شبکه های یادگیرنده تطابقی عصبی فازی ANFIS 56
4-5-5 معتبرسازی مدل با استفاده از مجموعه داده‌های آزمایشی و داده‌های وارسی 58
4-5-6 محدودیت‌های ANFIS 59
4-5-7 ساختار و نحوه‌ی ایجاد مدل نروفازی 59
4-5-7-1 افراز شبکه‌ای 60
4-5-7-2 کلاسترینگ تفاضلی 60
4-5-7-3 C – Means فازی 61
فصل پنجم: تدوین مدل‌های هوشمند شبیه‌سازی و پیش‌بینی پارامترهای کیفی 63
5-1 مقدمه 63
5-1-1 مدل‌های مورد استفاده 65
5-1-2 مشخصات حوزه رودخانه و ایستگاه مورد مطالعه 65
5-1-3 بررسی سازگاری داده‌ها 68
5-2 انتخاب ورودی 69
5-2-1 انتخاب ورودی مدل‌ها برای شبیه‌سازی پارامترهای کیفی 69
5-2-2 انتخاب ورودی مدل‌ها برای پیش‌بینی پارامترهای کیفی 70
5-3 طراحی شبکه عصبی 72
5-3-1 تعداد لایه‌های مخفی مورد نیاز 72
5-3-2 تعداد نورون‌های مورد نیاز لایۀ مخفی 73
5-3-3 نوع توابع انتقال مورد استفاده 73
5-3-3-1 نرمال سازی داده‌ها 74
5-3-4 انتخاب توابع آموزش شبکه 74
5-3-5 ساختار شبکه عصبی مورد استفاده 76
5-3-6 الگوریتم شبکه عصبی طراحی شده برای شبیه‌سازی و پیش‌بینی تغیرات شوری 76
5-4 ارزیابی مدل‌ها 78
5-4-1 ریشه میانگین مربعات خطا 78
5-4-2 میانگین درصد خطای مطلق 78
5-4-3 ضریب کارایی شبکه 78
5-4-4 میانگین خطای مطلق 79
5-4-5 مجذور ضریب همبستگی 79
5-5 نتایج پیش‌بینی پارامترهای کیفی رودخانه آبشیرین-ایستگاه گرآب 79
5-5-1 نروفازی (ANFIS) 79
5-5-1-1 نروفازی در پیش‌بینیEC با ساختار genfis2 80
5-5-1-2 نروفازی در پیش‌بینیEC با ساختار genfis3 82
5-5-2 شبکه‌های عصبی در پیش‌بینی EC گام زمانی آینده ایستگاه گراب 85
5-6 نتایج شبیه‌سازی پارامترهای کیفی رودخانه آبشیرین-ایستگاه گرآب 89
5-6-1 شیبه‌سازی TDS با نروفازی genfis1 89
5-6-2 شیبه‌سازی TDS با نروفازی genfis2 90
5-6-3 شبکه‌های عصبی در شبیه‌سازی TDS ایستگاه گراب 91
5-6-4 مقایسه نتایج شبیه‌سازی مدل‌های شبکه عصبی و نروفازی 94
5-7 مدلسازی مربوط به رودخانه رود زرد (ایستگاه ماشین) 95
5-7-1 منطقه مورد مطالعه 95
5-7-1 نتایج پیش‌بینی پارامتر کیفیTDS رودخانه رود زرد 96
5-7-2-1 نروفازی در پیش‌بینیTDS گام زمانی آینده رودخانه رود زرد-ایستگاه ماشین 96
5-7-2-2 شبکه‌های عصبی در پیش‌بینی TDS گام زمانی آینده رودخانه رود زرد-ایستگاه ماشین 97
5-7-2-3 مقایسه نتایج پیش‌بینی مدل‌های شبکه عصبی و نروفازی 98
5-7-2 نتایج شبیه‌سازی پارامتر کیفی TDSرودخانه رود زرد 98
5-7-3-1 نروفازی در شبیه‌سازی TDS رودخانه رود زرد-ایستگاه ماشین 98
5-7-3-2 شبکه‌های عصبی در شبیه‌سازی TDS گام زمانی آینده رودخانه رود زرد-ایستگاه ماشین 99
5-7-3-3 مقایسه نتایج شبیه‌سازی مدل‌های شبکه عصبی و نروفازی رودخانه رود زرد 99
فصل ششم: نتایج و پیشنهادات 101
6-1 کلیات 101
6-2 مزایای پارامترهای کیفی مدلسازی شده 102
6-3 بهبود نتایج در تحقیقات آتی 104
منابع و مراجع: 106
الف: منابع فارسی 106
ب: منابع لاتین 107
پیوست الف : Genfis1 110
پیوست ب : Genfis2 110
پیوست ت : Genfis3 111

توجه :

عناوین پروژه های موجود در سایت فقط به عنوان معرفی در سایت قرار گرفته اند و هیچ گونه فروش و یا لینک دانلودی ندارند