پایان‌نامه

کاربرد ann-wavelet در پردازش دادههای ماهواره ای برای مدل سازی بارش- رواناب

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

داشتن مدلی جهت پیش بینی مقادیر برای آینده در تمامی علوم همواره مد نظر بوده است، در رشته مهندسی آب نیز این مهم همواره مورد توجه قرار گرفته است. برای ارائه مدل، در دسترس بودن آمار و اطلاعات عوامل دخیل در مسائل هیدرولوژیکی و منابع آب که مهمترین آن بارندگی است، اهمیت ویژه ای دارد، اما به دلیل عدم دسترسی به اطلاعات هیدرولوژیکی اغلب حوضه ها، از روش های ریاضی برای الگوبندی پدیده طبیعی بارش-رواناب استفاده می شود. در پایان نامه حاضر مدلسازی بارش-رواناب حوضه ای با استفاده از دادههای بارش ماهواره ای و ایستگاههای باران سنجی با به کار گیری تخمینگر شبکه عصبی مصنوعی (ann) انجام شده است. داده های بارش ماهواره ای در دو نوع جداگانه و داده های ایستگاههای باران سنجی در شش مکان متعدد در حوضه موجود است. انجام پیش پردازش بر روی داده های موجود و مقایسه ی بهترین مدلهای حاصل از داده های تک تک ماهواره ها و حالت ترکیبی دو ماهواره و ایستگاههای باران سنجی از اهداف این مطالعه می باشد. برای ارتقا مدل و بررسی آثار فصلی بودن از میانگین متحرک و تبدیل موجک wavelet و برای خوشه بندی ایستگاههای باران سنجی از نقشه های خود سازمانده (som) استفاده شده است. از آنجایی که بررسی پریودهای زمانی بلندمدت و کوتاه مدت و نیز استفاده ی مناسب از آنها در مدلسازی و بلاخص برآورد نقاط پیک آثار به سزایی دارد، مبدل موجک (wavelet)به عنوان یک تبدیل کننده ریاضی به کار برده میشود. از قابلیت های این مبدل با موجک های مادر مختلف، تجزیه یک سری زمانی به زیر سریهایی با پایه های زمانی متفاوت است. خوشه بندی ناحیه های ماهواره ای و ایستگاههای باران سنجی با استفاده از شبکه خود سازمانده عصبی (som) که مخفف organizing map) (self میباشد، انجام شده است. آموزش این شبکه از نوع آموزش بدون نظارت است. بدین مفهوم که شبکه خود نحوه ی دسته بندی ورودیها را انتخاب می کند. در مدل سازی های انجام یافته گام اول مدلسازی بارش-رواناب ایستگاههای باران سنجی و ناحیه های ماهواره ای با استفاده از ann است. پس از انتخاب بهترین نتیجه از هر ست داده در گام دوم از مفهوم میانگین متحرک در مدلسازی استفاده شد. گام سوم در برگیرنده مدلسازی حالات ترکیبی ماهواره ها بود. در گام چهارم از تبدیل موجک برای پیش پردازش داده ها استفاده شده است و در نهایت som برای خوشه بندی داده ها به کار گرفته شد. نتایج کلی حاصله بیان از این دارد که در پیش پردازش و مدلسازی داده ها با استفاده از شبکه های عصبی مصنوعی در پیش بینی رواناب حاصل از بارش در داده های ماهواره ای، ناحیه های پایین دست، نتایج بهتری نسبت به ناحیه های بالا دست ارائه داده اند. در مورد ایستگاههای باران سنجی نیز این امر حاکم است. ایستگاههای باران سنجی موجود در پایین دست پیش بینی بهتری از رواناب حاصله داشته اند. برای ارتقا مدل و بررسی آثار فصلی بودن از میانگین متحرک استفاده شده است. مدل هایی که با استفاده از داده های پیش پردازش شده توسط موجک ها ساخته شده اند، بر خلاف انتظار بهبودی در نتایج نسبت به حالت بدون پیش پردازش ارائه ننموده اند. در این مدل ها، موجک های مادر متفاوتی مورد بررسی قرار گرفته است. در خوشه بندی ایستگاههای باران سنجی و ناحیه های ماهواره ای با استفاده از نقشه های خود سازنده نتایج حاصله از مدل سازی با شبکه های عصبی مورد تأیید قرار گرفته است.

اساتید راهنما و مشاور

وحید نورانی

پایان‌نامه‌های مشابه

اسناد مشابه

  • کاربرد مدل‏ های LS-SVM، ANN، WNN و GEP در شبیه‏ سازی بارش‌ـ رواناب رودخانۀ خیاوچای

    پیش‏بینی جریان رودخانه به‌منظور مدیریت و برنامه‏ریزی منابع آب در رودخانه‏ها، دریاچه‏ها، مخازن سدها و همچنین برای حفاظت کناره‏های رودخانه در زمان وقوع سیلاب انجام می‏گیرد. در این تحقیق از مدل‏های شبکه‏های عصبی مصنوعی، هیبرید‏ موجک‌ـ عصبی، برنامه‏ریزی بیان ژن و کمترین مربعات ماشین

  • مدل سازی بارش- رواناب حوضه آبریز کشکان براساس مدلهای آماری

    مقاله۲۰۱۵جغرافیا و برنامه ریزی محیطیمهدی مهدی نسب، تقی طاوسی، تقی طاوسی، حسین نگارش

    رواناب سطحی به آن قسمت از بارش گفته می شود که در امتداد سطح شیب زمین جاری و به صورت جریان سطحی یا زیر سطحی از حوضه خارج می‌گردد. مدل هیدرولوژیکی ساختاری است که بتواند با توجه به ویژگی‌های حوضه و عامل های موثر بر پدیده مورد نظر، تعامل و رفتار آن را با تقریب قابل قبولی نشان دهد. حو

  • مدل سازی بارش-رواناب در حوضه لیقوان چای با استفاده از مدل اتومای سلولی

    مقالهپژوهش های ژئومورفولوژی کمیمحمدتقی اعلمی، دانشکده عمران، دانشگاه تبریز لیلا ملکانی، دانشگاه تبریز محمدعلی قربانی، دانشکده کشاورزی، گروه مهندسی آب، دانشگاه تبریز

    با توجه به اهمیت تخمین صحیح رواناب در مدیریت حوضه و طراحی سازه های آبی، از گذشته تا به امروز روش های مختلفی برای مدل سازی بارش-رواناب ارائه شده است که اتومای سلولی یکی از جدیدترین آن ها می باشد. در این روش چشم انداز حوضه با شبکه ای از سلول ها تعریف گردیده و اندرکنش بین سلول ها با

  • مدل سازی بارش- رواناب در شرایط تغییر اقلیم به منظو ر پیش بینی جریانات آتی حوزه صوفی چای

    مقالهپژوهشنامه مدیریت حوزه آبخیزسید حسن حسینی، محمدعلی قربانی، علیرضا مسباح بوانی

    دو مسئله عمده در مطالعات بررسی اثرات هیدرولوژیکی تغییر اقلیم داشتن اطلاعات آماری کافی و انتخاب بهترین مدل بارش- رواناب می باشد. مدل های اقلیمی، با توانایی شبیه سازی متغیرهای اقلیمی، مراجع پیش بینی های آتی محسوب می شوند. لذا مدل بارش- رواناب باید قادر به شبیه سازی جریان رودخانه تن

  • مقایسه مدل های awbm و simhyd در مدل سازی بارش – رواناب (مطالعه موردی: حوضه آبریز نازلو چای)

    مقالهجغرافیا و برنامه ریزی محیطیحسین رضایی، دانشگاه ارومیه مجید منتصری، دانشگاه ارومیه مجید منتصری، دانشگاه ارومیه حسین رضایی

    مدل سازی بارش - رواناب یک منطقه، یکی از مهمترین تحقیقات هیدرولوژیک در علوم مهندسی آب است. با پیشرفت علوم، امروزه این مهم به صورت کامپیوتری انجام می شود و در این میان مدل های بسیاری ایجاد شده اند. در این مطالعه حوضه آبریز نازلوچای واقع در استان آذربایجان غربی مورد بررسی قرار گرفت

  • مدل سازی بارش- رواناب به منظور مدیریت ریسک سیلاب (مطالعۀ موردی: منطقۀ هراز

    مقالهامداد و نجاتحمزه احمدی، hamzeh ahmadi عباسعلی داداشی رودباری، abbasali dadashi roudbari

    مقدمه: امروزه با توجه به تغییرات آب و هوایی، مخاطرات اقلیمی از مهم­ترین تهدید­ها و چالش­ها برای بشر محسوب می­شوند که در این بین، سیلاب، یکی از مرسوم­ترین مخاطرات است. در کشور ایران با توجه به موقعیت جغرافیایی و شرایط اقلیمی، این مخاطره هرساله خسارات جانی و مالی زیادی بر اراضی زرا