پديد آورندگان :
پسنديده ايرج دانشگاه آزاد اسلامي كرمانشاه - گروه مهندسي آب , ايزدبخش محمد علي دانشگاه آزاد اسلامي كرمانشاه - گروه مهندسي آب , شعبانلو سعيد دانشگاه آزاد اسلامي كرمانشاه - گروه مهندسي آب
چكيده فارسي :
در سال هاي اخير، ميزان بارش در نواحي مختلف به خصوص در نواحي خشك و نيمه خشك، دچار تغييرات چشم گيري شده است. بنابراين، تخمين و الگوشناسي بارش در يك بازه دراز مدت مي تواند به هيدرولوژيست ها و مهندسين آب اطلاعات كافي ارائه كند. در اين مطالعه براي اولين بار، بارندگي دراز مدت شهر انزلي در يك بازه زماني 67 ساله توسط مدل عددي موجك- سيستم استنباط فازي عصبي تطبيقي (WANFIS) شبيه سازي شد. براي آموزش، آزمون و صحت سنجي مدل هاي هوش مصنوعي به ترتيب از بارش هاي 37، 20 و 10 ساله استفاده شد. در ابتدا، بهينه ترين تابع عضويت شبكه انفيس با استفاده از تجزيه و تحليل نتايج مدل هاي مختلف به دست آمد. به عبارت ديگر، تعداد توابع عضويت بهينه برابر با هشت در نظر گرفته شد. سپس اعضاي مختلف خانواده موجك مورد ارزيابي قرار گرفتند كه dmey به عنوان بهينه ترين عضو اين خانواده ها معرفي شد. در ادامه، با استفاده از تابع خودهمبستگي، خودهمبستگي نسبي و تاخيرهاي مختلف، 15 مدل WANFIS توسعه داده شدند. علاوه بر اين، با استفاده از تحليل حساسيت، مدل برتر و تاخيرهاي موثر معرفي شدند. مدل برتر، مقادير بارش را با دقت بالايي تخمين زد. به عنوان مثال، مقادير ضريب همبستگي، شاخص پراكندگي و نش ساتكليف براي مدل برتر در حالت صحت سنجي به ترتيب مساوي با 0.962, 0.258 , 0.899 محاسبه شدند.
چكيده لاتين :
Recently, the amount of rainfall underwent serious changes in different areas, particularly in arid and semi-arid regions. Therefore, estimation and pattern recognition of rainfall in a long term period can give sufficient information to hydrologists and water engineers. In this study, for the first time, long-term rainfall pattern in Anzali city for a 67 years period was simulated using a hybrid model so-called “Wavelet-Adaptive Neuro-Fuzzy Inference System” (WANFIS). Rainfalls of 37-, 20- and 10-years period were applied for training, testing and validation of the numerical model, respectively. Firstly, the optimized membership function of the ANFIS network was obtained using the analysis of the numerical results. In other words, the number of optimized membership function was computed to be equal to 8. Then, the various wavelet families were evaluated which the dmey mother wavelet was introduced as the most optimized wavelet family. Next, using the autocorrelation function (ACF), the partial autocorrelation function (PACF) and different lags, 15 WANFIS models were developed. According to the sensitivity analysis, the superior model and effective lags were identified. The superior model estimated the rainfall with high accuracy. For instance, for validation mode of the superior model, the correlation coefficient, scatter index and Nash-Sutcliffe efficiency coefficient were computed to be 0.962, 0.258 and 0.899, respectively.
