Not checkedNot checked for notices yet.
بررسی عملکرد شبکههای عصبی گازی در خوشهبندی هیدرولوژیک
محمدرضا محمودی, سعید اسلامیان, سید علیرضا گوهری and 1 more
مدیریت آب و آبیاری · 2022
doi:10.22059/jwim.2022.339537.972 (opens in a new tab)
We email you when a new notice or a question about this paper appears.
Abstract
طراحی بسیاری از زیرساختها و پروژههای عمرانی نیازمند مطالعات گستردهای در زمینه شرایط جغرافیایی منطقه و ویژگیهای اقلیمی آن ناحیه میباشد. کارایی این پژوهشها خود وابسته به اطلاعات و دادههای موردنیاز است. در بسیاری از مواقع منطقه طرح در موقعیتی قرار دارد که هیچگونه اطلاعات اقلیمی مانند بارش موجود نیست. از اینرو، تحلیل فراوانی منطقهای بسیار موردتوجه قرار گرفته است. در این شیوه با شرایط و ابزار خاصی اطلاعات موجود در نواحی دیگر قابل بسط و انتقال به سایر نواحی میشود. در این مسیر خوشهبندی یکی از تأثیرگذارترین مراحل میباشد که منطقه و ایستگاههای موجود را به مناطق همگن هیدرولوژیک تقسیم مینماید. از اینرو، در این پژوهش علاوه بر روشهای رایج در خوشهبندی از دو مدل جدید شبکه عصبی گازی و شبکه عصبی گازی رشدیابنده بهمنظور تعیین مناطق همگن در سطح استان خوزستان استفاده شد. یکی از ویژگیهای منحصربهفرد این الگوریتمها یادگیری توپولوژی یا شکل توزیع حاکم بر فضای دادهها میباشد. با استفاده از متغیرهای طول جغرافیایی، عرض جغرافیایی، ارتفاع، متوسط بارش سالانه و حداکثر بارش 24 ساعته سالانه ایستگاه، منطقه طرح به دو ناحیه همگن تقسیم و فرایند خوشهبندی انجام پذیرفت. نتایج نشاندهنده کارایی و دقت بالای شبکههای عصبی گازی در مبحث خوشهبندی میباشد. متوسط میزان خطا و همچنین ضریب تغییرات خطا در این مدل بهترتیب 56/15 و 39/24 درصد برآورد شد که نسبت به روشهای معمول برتری قابلتوجهی از خود نشان داد.
Abstract licence: CC BY
Reads
Read by people on this page
None yet.
Checked or read by AI through naulon
None yet.
A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.
Are you an author?
Is this your paper?
Claim it to add your note and be paid when agents cite it. Free.