استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارون
امروزه پایش و پردازش اطلاعات کیفی رودخانه با استفاده از روش‌های آزمایشگاهی با صرف وقت و هزینه زیاد همراه است. از این رو استفاده از روش‌های نوین برای کاهش این هزینه‌ها می‌تواند کمک شایانی در مدیریت کیفی رودخانه‌ها داشته باشد. استفاده ترکیبی از مدل‌های هوش مصنوعی و سنجش از دور از جمله روش‌های کارآمد ب...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Shahid Chamran University of Ahvaz
2020-05-01
|
| Series: | علوم و مهندسی آبیاری |
| Subjects: | |
| Online Access: | http://jise.scu.ac.ir/article_15350_2fa8827a7d54b1f39faefbdb6664dc2e.pdf |
| _version_ | 1818551113682518016 |
|---|---|
| author | امیر پورحقی علی محمد آخوندعلی حیدر زارعی |
| author_facet | امیر پورحقی علی محمد آخوندعلی حیدر زارعی |
| author_sort | امیر پورحقی |
| collection | DOAJ |
| description | امروزه پایش و پردازش اطلاعات کیفی رودخانه با استفاده از روش‌های آزمایشگاهی با صرف وقت و هزینه زیاد همراه است. از این رو استفاده از روش‌های نوین برای کاهش این هزینه‌ها می‌تواند کمک شایانی در مدیریت کیفی رودخانه‌ها داشته باشد. استفاده ترکیبی از مدل‌های هوش مصنوعی و سنجش از دور از جمله روش‌های کارآمد برای رسیدن به این هدف است. در این تحقیق بهمنظور برآورد EC رودخانه کارون با استفاده از مدل سیستم استنتاج فازی عصبی (ANFIS)، در زمان گذر ماهواره لندست 8، نمونه‌برداری دستی از 66 نقطه از سطح رودخانه برای مدت 12 ماه (دی ماه 1394 تا آذر ماه 1395) انجام شد. هشت ماه اول نمونه‌برداری برای واسنجی و چهار ماه انتهایی برای صحتسنجی مورد استفاده قرار گرفت. مقادیر بازتابی تصاویر لندست 8 بهعنوان ورودی و EC نقاط برداشت شده به عنوان خروجی مدل ANFIS در نظر گرفته شد. در ادامه بهمنظور افزایش دقت مدل ANFIS و کاهش خطا تصاویر از روش تبدیل موجک و مکانمند کردن داده‌ها استفاده گردید. نتایج نشان داد که استفاده ترکیبی از تصاویر ماهواره‌ای و مدل ANFIS از عملکرد نسبتاً خوبی برخوردار است و با روش مکانمند کردن یعنی اضافه کردن خصوصیات مکانی نقاط برداشت بهعنوان ورودی مدل ANFIS دقت کار تا مقدار قابل توجهی افزایش می‌یابد. همچنین نتایج نشان داد که استفاده از تبدیل موجک برای کاهش نویز تصاویر و بهبود عملکرد مدل می‌تواند علاوه بر کاهش خطا، ضریب تعیین را از 85 درصد تا بالای 89 درصد افزایش دهد. |
| first_indexed | 2024-12-12T08:55:33Z |
| format | Article |
| id | doaj.art-4a0b6a4ce1e1475bb845592b23f45667 |
| institution | Directory Open Access Journal |
| issn | 2588-5952 2588-5960 |
| language | fas |
| last_indexed | 2024-12-12T08:55:33Z |
| publishDate | 2020-05-01 |
| publisher | Shahid Chamran University of Ahvaz |
| record_format | Article |
| series | علوم و مهندسی آبیاری |
| spelling | doaj.art-4a0b6a4ce1e1475bb845592b23f456672022-12-22T00:30:00ZfasShahid Chamran University of Ahvazعلوم و مهندسی آبیاری2588-59522588-59602020-05-0143120521910.22055/jise.2020.31187.187915350استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارونامیر پورحقی0علی محمد آخوندعلی1حیدر زارعی2دکتری هیدرولوژی و منابع آب ، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهوازاستاد گروه هیدرولوژی و منابع آب ، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.دانشیار گروه هیدرولوژی و منابع آب ، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.امروزه پایش و پردازش اطلاعات کیفی رودخانه با استفاده از روش‌های آزمایشگاهی با صرف وقت و هزینه زیاد همراه است. از این رو استفاده از روش‌های نوین برای کاهش این هزینه‌ها می‌تواند کمک شایانی در مدیریت کیفی رودخانه‌ها داشته باشد. استفاده ترکیبی از مدل‌های هوش مصنوعی و سنجش از دور از جمله روش‌های کارآمد برای رسیدن به این هدف است. در این تحقیق بهمنظور برآورد EC رودخانه کارون با استفاده از مدل سیستم استنتاج فازی عصبی (ANFIS)، در زمان گذر ماهواره لندست 8، نمونه‌برداری دستی از 66 نقطه از سطح رودخانه برای مدت 12 ماه (دی ماه 1394 تا آذر ماه 1395) انجام شد. هشت ماه اول نمونه‌برداری برای واسنجی و چهار ماه انتهایی برای صحتسنجی مورد استفاده قرار گرفت. مقادیر بازتابی تصاویر لندست 8 بهعنوان ورودی و EC نقاط برداشت شده به عنوان خروجی مدل ANFIS در نظر گرفته شد. در ادامه بهمنظور افزایش دقت مدل ANFIS و کاهش خطا تصاویر از روش تبدیل موجک و مکانمند کردن داده‌ها استفاده گردید. نتایج نشان داد که استفاده ترکیبی از تصاویر ماهواره‌ای و مدل ANFIS از عملکرد نسبتاً خوبی برخوردار است و با روش مکانمند کردن یعنی اضافه کردن خصوصیات مکانی نقاط برداشت بهعنوان ورودی مدل ANFIS دقت کار تا مقدار قابل توجهی افزایش می‌یابد. همچنین نتایج نشان داد که استفاده از تبدیل موجک برای کاهش نویز تصاویر و بهبود عملکرد مدل می‌تواند علاوه بر کاهش خطا، ضریب تعیین را از 85 درصد تا بالای 89 درصد افزایش دهد.http://jise.scu.ac.ir/article_15350_2fa8827a7d54b1f39faefbdb6664dc2e.pdfتبدیل موجکشوریمدل‌های هوشمندanfis |
| spellingShingle | امیر پورحقی علی محمد آخوندعلی حیدر زارعی استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارون علوم و مهندسی آبیاری تبدیل موجک شوری مدل‌های هوشمند anfis |
| title | استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارون |
| title_full | استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارون |
| title_fullStr | استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارون |
| title_full_unstemmed | استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارون |
| title_short | استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر EC رودخانه کارون |
| title_sort | استفاده تلفیقی از تصاویر پردازش شده با موجک و سیستم استنتاج فازی عصبی جهت برآورد پارامتر ec رودخانه کارون |
| topic | تبدیل موجک شوری مدل‌های هوشمند anfis |
| url | http://jise.scu.ac.ir/article_15350_2fa8827a7d54b1f39faefbdb6664dc2e.pdf |
| work_keys_str_mv | AT ạmyrpwrḥqy ạstfạdhtlfyqyạztṣạwyrprdạzsẖsẖdhbạmwjḵwsystmạstntạjfạzyʿṣbyjhtbrậwrdpạrạmtrecrwdkẖạnhḵạrwn AT ʿlymḥmdậkẖwndʿly ạstfạdhtlfyqyạztṣạwyrprdạzsẖsẖdhbạmwjḵwsystmạstntạjfạzyʿṣbyjhtbrậwrdpạrạmtrecrwdkẖạnhḵạrwn AT ḥydrzạrʿy ạstfạdhtlfyqyạztṣạwyrprdạzsẖsẖdhbạmwjḵwsystmạstntạjfạzyʿṣbyjhtbrậwrdpạrạmtrecrwdkẖạnhḵạrwn |