4 نتیجه برای Anfis
طوبی علیزاده، مجید رضایی بنفشه، غلامرضا گودرزی، هاشم رستم زاده،
دوره 0، شماره 0 - ( 1-1300 )
چکیده
گرد و غبار پدیده ای است که آثار زیست محیطی زیادی را در بخش های مختلف زندگی انسان ها از جمله: کشاورزی، اقتصاد، بهداشت و غیره دارد. هدف از پژوهش حاضر بررسی و پیش بینی پدیده گرد و غبار در شهر کرمانشاه می باشد. داده های هواشناسی با وضوح 3 ساعته در دوره آماری (2020-2000) ایستگاه کرمانشاه از سازمان هواشناسی کشور اخذ شد. ابتدا داده های گرد و غبار نرمال سازی شد و سپس با استفاده از مدل های شبکه عصبی ANN برای پیش بینی غلظت گرد و غبار و شبکه عصبی تطبیقی ANFIS برای خطایابی و پیش بینی سری زمانی وقوع گرد و غبار در نرم افزار MATLAB خطایابی و پیش بینی شدند. یافته های پژوهش نشان داد که حداکثر میزان غلظت گرد و غبار پیش بینی شده مربوط به حداقل نقطه شنبم با بیشترین میزان همبستگی پیرسون با گرد و غبار، به میزان 23/3451 میکروگرم بر مترمکعب برآورد شده است. همچنین نتایج پیش بینی سری زمانی با استفاده از مدل ANFIS نشان داد تابع عضویت زنگوله ای خطی با درجه 3، در مراحل آموزش و آزمون، مطلوب ترین تابع ورودی را در بین دیگر توابع عضویت به خود اختصاص داده است. بر اساس مدل های پیش بینی، بیشترین احتمال رخداد حداکثر گرد و غبار در 20 سال آینده کرمانشاه با مقدار 94% به دست آمد.
بهروز سبحانی، اکبر گل‌دوست،
دوره 16، شماره 42 - ( 9-1395 )
چکیده
با توجه به تاثیر دمای هوا بر جوانب مختلف زندگی بشر و لزوم مطالعهی نحوهی تغییرات و پیشبینی آن، در این مطالعه با استفاده از تحلیل‌های آماری تغییرات دمای میانگین، حداقل و حداکثر ماهانه، در طول دورهی آماری 24 ساله (از ماه ژانویهی سال 1987 تا ماه دسامبر سال 2010 به طول 288 ماه) در ایستگاه‌های استان اردبیل بررسی، و در ادامه امکان پیشبینی دما با استفاده از سیستم استنتاج فازی- عصبی تطبیقی ارزیابی شد. نتایج حاصل نشان داد که روند تغییرات دمای ماهانه در ایستگاه‌های استان اردبیل طی دورهی مورد مطالعه افزایشی بوده است. شدت افزایش دمای حداقل بیشتر از دمای حداکثر و میانگین بود. بر اساس نتایج پیشبینی، رابطهی مشخصی بین ویژگی‌های آماری داده‌ها و خطاهای پیشبینی وجود داشت. هرچه دامنهی تغییرات داده‌ها کمتر، واریانس و انحراف معیار آنها بیشتر بوده و امکان پیشبینی مقادیر داده‌ها بیشتر است. در اکثر موارد در فصول سرد سال نوسان مقادیر دمای ماه‌ها در سال‌های مختلف بیشتر بوده است، مدل در پیشبینی این موارد دچار خطای بیشتری شده است. در اکثر موارد مدل دمای ماه‌های فصول گرم سال را که روند مشخص‌تری دارند بهتر پیشبینی کرده است. در کل بر اساس نتایج این تحقیق سیستم استنتاج فازی- عصبی تطبیقی در اکثر موارد کارایی قابل قبولی در پیشبینی دمای میانگین، حداقل و حداکثر ماهانه در ایستگاه‌های استان اردبیل داشته است.
مریم بیات ورکشی، روژین فصیحی،
دوره 18، شماره 48 - ( 1-1397 )
چکیده
مدل‌سازی به‌عنوان روشی کارآمد با کمترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم می‌نماید. هدف این تحقیق مقایسه مدل عددی، روشهای هوشمند عصبی و زمین آمار در مدل‌سازی تغییرات سطح آب زیرزمینی می‌باشد. بدین منظور اطلاعات آبخوان دشت همدان – بهار به‌عنوان یکی از مهم‌ترین منابع تامین آب منطقه، مورد مطالعه قرار گرفت. در این پژوهش از کد عددی MODFLOW در نرمافزار GMS، شبکه عصبی مصنوعی و روش عصبی - فازی در نرمافزار NeuroSolution، روش عصبی – موجک در نرمافزار MATLAB و روش زمین آمار در نرمافزار ArcGIS استفاده گردید. مقایسه نتایج نشان داد که دقت روشهای محاسبه سطح آب زیرزمینی برحسب کمترین آماره مجذور میانگین مربعات خطای نرمال (NRMSE)، به‌ترتیب به روش عصبی - موجک، عصبی – فازی، زمین آمار، شبکه عصبی مصنوعی و مدل عددی تعلق داشت. به‌طوری که مقدار آماره NRMSE در روش عصبی - موجک به‌عنوان روش بهینه، برابر 0/11درصد و در روش مدل عددی برابر 2/2 درصد بدست آمد. مقدار ضریب همسبتگی روشهای فوق به‌ترتیب 0/998و 0/904بود. بنابراین میتوان کاربرد روشهای ترکیبی هوشمند عصبی به‌ویژه نظریه موجک را در محاسبه سطح آب زیرزمینی مناسب‌تر از روش زمین آمار و مدل عددی دانست. ضمن آن‌که در روشهای هوشمند عصبی از متغیرهای زودیافت طول و عرض جغرافیایی و ارتفاع از سطح دریا به‌عنوان بردار اطلاعات ورودی استفاده شد . نتایج پهنه‌بندی سطح آب زیرزمینی آبخوان نیز گویای روند کاهش سطح آب زیرزمینی از بخش غرب به شرق آبخوان بود که همسو با گرادیان هیدرولیکی می‌باشد.
مهندس میلاد خیاط، خانم عاطفه بساک، دکتر زهرا حجازی زاده،
دوره 25، شماره 76 - ( 2-1404 )
چکیده
با استفاده از مدل‌سازی رشد و توسعه شهری میتوان روند توسعهای متناسب با موقعیت شهر را با توجه به فاکتورهای زیست‌محیطی و عوامل طبیعی و جمعیت پذیری ترسیم کرد. هدف از انجام این پژوهش ارائه مدل توسعه شهری شوشتر است که به‌عنوان ابزار مفیدی برای تجزیه‌وتحلیل فرایندهای پیچیده تحولات شهری استفاده شود. برای نیل به این هدف از دو پایگاه داده نقشه های کاربری های شهری فضاهای آموزشی، درمانی، مسکن و... و تصاویر ماهوارهای لندست برای کاربری های اراضی عمده مانند رودخانه، مناطق بایر، جنگل و... در سه دوره زمانی 1991، 2004 و 2014 در محیط نرم افزارهای GIS و MATLAB استفاده شد. نقشه های کاربری های شهری موجود پس از رقومی سازی، با استفاده از تصاویر ماهواره ای لندست به‌روزرسانی شدند. سپس پارامترهای مؤثر در توسعه ی شهری به‌عنوان ورودی با الگوریتم استنتاج نرو- فازی تطبیقی (ANFIS) وارد شدند و پس از آموزش برای سال های 1991 و 2004، به‌منظور ارزیابی عملکرد روش پیشنهادی، نتیجه پیش بینی توسعه شهری با استفاده از الگوریتم، با وضعیت موجود در سال 2014 مقایسه گردید که نتایج بسیار به واقعیت نزدیک و با صحت سنجی 93.7% است. نقشه تغییرات کاربری که نتیجه فرایند آشکارسازی تغییرات می‌باشد را میتوان بر اساس تصاویر چندزمانه سنجش‌ازدور و تلفیق آن با نقشه های کاربری شهری تهیه‌کرده و پیامدهای مربوطه را موردبررسی قرار داد. استفاده از الگوریتم های هوشمند در این تحقیق به ما این امکان را داده که با صحت بالا مدل‌سازی را انجام دهیم. نتایج به‌دست‌آمده قابل‌قبول بوده و این توسعه برای سال های آتی نیز پیش بینی شد.
