بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک
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...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
University of Tehran, College of Aburaihan
2022-06-01
|
| Series: | مدیریت آب و آبیاری |
| Subjects: | |
| Online Access: | https://jwim.ut.ac.ir/article_87933_7e575f9c15c5fabbeac7c025b772a974.pdf |
| _version_ | 1818196351309053952 |
|---|---|
| author | محمدرضا محمودی سعید اسلامیان سید علیرضا گوهری معین طحانیان |
| author_facet | محمدرضا محمودی سعید اسلامیان سید علیرضا گوهری معین طحانیان |
| author_sort | محمدرضا محمودی |
| collection | DOAJ |
| description | 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. |
| first_indexed | 2024-12-12T01:32:42Z |
| format | Article |
| id | doaj.art-c6fc3b3265784e729736a671aa4df857 |
| institution | Directory Open Access Journal |
| issn | 2251-6298 2382-9931 |
| language | fas |
| last_indexed | 2024-12-12T01:32:42Z |
| publishDate | 2022-06-01 |
| publisher | University of Tehran, College of Aburaihan |
| record_format | Article |
| series | مدیریت آب و آبیاری |
| spelling | doaj.art-c6fc3b3265784e729736a671aa4df8572022-12-22T00:42:56ZfasUniversity of Tehran, College of Aburaihanمدیریت آب و آبیاری2251-62982382-99312022-06-0112235937310.22059/jwim.2022.339537.97287933بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیکمحمدرضا محمودی0سعید اسلامیان1سید علیرضا گوهری2معین طحانیان3کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران.استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران.استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران.کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران.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.https://jwim.ut.ac.ir/article_87933_7e575f9c15c5fabbeac7c025b772a974.pdfتحلیل فراوانی منطقهایخوزستانهمگنی هیدرولوژیکیادگیری توپولوژی |
| spellingShingle | محمدرضا محمودی سعید اسلامیان سید علیرضا گوهری معین طحانیان بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک مدیریت آب و آبیاری تحلیل فراوانی منطقه‌ای خوزستان همگنی هیدرولوژیک یادگیری توپولوژی |
| title | بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک |
| title_full | بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک |
| title_fullStr | بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک |
| title_full_unstemmed | بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک |
| title_short | بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک |
| title_sort | بررسی عملکرد شبکههای عصبی گازی در خوشه‌بندی هیدرولوژیک |
| topic | تحلیل فراوانی منطقه‌ای خوزستان همگنی هیدرولوژیک یادگیری توپولوژی |
| url | https://jwim.ut.ac.ir/article_87933_7e575f9c15c5fabbeac7c025b772a974.pdf |
| work_keys_str_mv | AT mḥmdrḍạmḥmwdy brrsyʿmlḵrdsẖbḵhhạyʿṣbygạzydrkẖwsẖhbndyhydrwlwzẖyḵ AT sʿydạslạmyạn brrsyʿmlḵrdsẖbḵhhạyʿṣbygạzydrkẖwsẖhbndyhydrwlwzẖyḵ AT sydʿlyrḍạgwhry brrsyʿmlḵrdsẖbḵhhạyʿṣbygạzydrkẖwsẖhbndyhydrwlwzẖyḵ AT mʿynṭḥạnyạn brrsyʿmlḵrdsẖbḵhhạyʿṣbygạzydrkẖwsẖhbndyhydrwlwzẖyḵ |