%41تخفیف

دانلود پروژه: عنوان روند یابی هیدرولوژیکی جریان با استفاده از مدل‌های هوش مصنوعی (مطالعه موردی : رودخانه آجی چای)

تعداد 70صفحه در فایل word

چکیده: در دهه اخیر استفاده از روش‌های  هوش مصنوعی در زمینه‌های مختلف مهندسی آب و شبیه‌سازی در حوضه‌های  آبخيز رشد چشمگيری داشته است . در این تحقیق، روند یابی رودخانه آجی چای در فاصله  بین ایستگاه‌های هیدرومتری مرکید تا ونیار و در بازه زمانی سال‌های 1371 تا 1390 برای سری داده‌های دبی روزانه، دبی میانگین 3 روزه، دبی میانگین 6 روزه، دبی میانگین 10 روزه، دبی میانگین 15 روزه، دبی میانگین 20 روزه و دبی میانگین 30 روزه با استفاده از مدل‌های برنامه‌ریزی بیان ژن ، شبکه عصبی مصنوعی ، رگرسیون خطی و غیرخطی ، ماشین بردار پشتیبان، هیبرید موجک– عصبی، هیبرید موجک- بیان ژن و هیبرید موجک- ماشین بردار پشتیبان انجام گرفت و نتايج شبیه‌سازی جریان رودخانه با مدل‌های مذکور با استفاده از شاخص‌های آماری RMSE،  و CC ارزیابی گردیدند . بر اساس نتایج تحقیق مدل هیبرید موجک- عصبی دارای بهترین عملکرد در بین سایر مدل‌های مذکور بوده و سری داده‌های دبی میانگین 30 روزه به‌عنوان بهترین ورودی مدل انتخاب گردید.

کلیدواژه‌ها: برنامه‌ریزی بیان ژن، روش‌های هوش مصنوعی، روند یابی، شبکه عصبی مصنوعی، ماشین بردار پشتیبان ،مدل آنالیز موجکی.

فهرست مطالب

عنوان ………………………………………………………………………………………………..  صفحه

فصل اول- کلیات

  • مقدمه …………………………………………………………………………………………… 1 

  • اهداف تحقیق………………………………………………………………………………… 4

فصل دوم- بررسی منابع

2-1-  مدل برنامه‌ریزی بیان ژن (GEP)………………………………………………………. 6

2-1-1- مراحل اصلی در برنامه‌ریزی بیان ژن………………………………………….. 6

2-1-2- ویژگی‌های برنامه‌ریزی بیان ژن (GEP)………………………………………. 8

2-1-3- ساختار افراد در برنامه‌ریزی بیان ژن (GEP)……………………………….. 10

2-1-3-1- ORF و بیان درختی (ET) ژن‌ها………………………………………….. 10

2-1-3-2- ساختار ژن‌ها در برنامه‌ریزی بیان ژن …………………………………..  12

2-1-4- تابع برازش…………………………………………………………………………….. 15

2-2- مدل ماشین بردار پشتیبان (SVM)………………………………………………….. 16

2-2-1- بهینه‌سازی…………………………………………………………………………….. 19

2-2-1-1- بهینه‌سازی مقید و غیر مقید……………………………………………… 19

2-2-1-2- بهینه‌سازی محدب و غیر محدب………………………………………… 19

2-2-1-2-1- مجموعه محدب………………………………………………………… 20

2-2-1-2-2- تابع محدب……………………………………………………………… 20

2-2-1-2-3- مساله های بهینه‌سازی محدب…………………………………… 20

2-2-2- روش ضرایب لاگرانژ……………………………………………………………….. 21

2-2-3- شرایط کاروش- کان- تاکر………………………………………………………. 21

2-3- مدل شبکه‌های عصبی مصنوعی (ANNs)…………………………………………. 22

2-3-1- ساختار ANN …………………………………………………………………………  23

2-3-2- توابع محرک………………………………………………………………………….. 24

2-3-2-1- تابع محرک خطی……………………………………………………………… 24

2-3-2-2- تابع محرک تانژانت سیگموئید…………………………………………… 24

2-3-3- شبکه عصبی پرسپترون چندلایه…………………………………………….. 25

2-3-4- الگوریتم آموزش پس انتشار……………………………………………………. 25

2-4- مدل آنالیز موجک (WA)………………………………………………………………… 26

2-4-1- انواع تبدیل موجکی……………………………………………………………….. 30

2-4-1-1- تبدیل موجکی پیوسته (CWT)………………………………………….. 30

2-4-1-2- تبدیل موجکی گسسته (DWT)………………………………………… 31

2-4-2- فرایند تجزیه چند سطحی………………………………………………………. 31

2-4-3- انواع تابع موجک…………………………………………………………………… 33

2-4-3-1- موجک دابچیز…………………………………………………………………. 33

2-5- مدل هیبرید موجک- عصبی (W- ANN)………………………………………….. 33

2-6- مدل هیبرید موجک- ماشین بردار پشتیبان (W- SVM)……………………. 35

2-7- مدل هیبرید موجک- بیان ژن (W- GEP)………………………………………… 35

2-8- مدل رگرسیون خطی و غیرخطی………………………………………………………. 35

2-9- پیشینه تحقیق………………………………………………………………………………. 36

فصل سوم- مواد و روش‌ها

3-1- معرفی منطقه مطالعاتی و داده‌های مورداستفاده………………………………….. 46

3-1-1- کلیاتی در خصوص حوضه آبریز رودخانه آجی چای………………………. 46

3-1-2- ایستگاه‌های موردمطالعه و داده‌های مربوطه……………………………….. 47

3-2- تکمیل آمار ناقص ایستگاه‌های موردمطالعه………………………………………… 49

3-3- مدل‌های مختلف مورد استفاده در روندیابی جریان حوضه آبریز آجی چای     50

3-3-1- مدل برنامه‌ریزی بیان ژن (GEP)………………………………………………. 50

3-3-2- مدل ماشین بردار پشتیبان(SVM)………………………………………….. 52

3-3-3- مدل شبکه عصبی مصنوعی(ANNs)……………………………………….. 52

3-3-4- مدل هیبرید موجک- عصبی (W- ANN)…………………………………. 52

3-3-5- مدل هیبرید موجک- ماشین بردار پشتیبان (W-SVM)……………. 53

3-3-6- مدل هیبرید موجک- بیان ژن (W- GEP)………………………………… 53

3-3-7- مدل رگرسیون خطی و غیرخطی……………………………………………… 53

3-4- معیارهای ارزیابی مدل……………………………………………………………………. 54

فصل چهارم- نتایج و بحث

4-1- نتایج شبیه سازی جریان با استفاده از برنامه‌ریزی بیان ژن…………………… 56

4-2- نتایج شبیه سازی جریان با استفاده از ماشین بردار پشتیبان……………….. 57

4-3- نتایج شبیه سازی جریان با استفاده از شبکه عصبی مصنوعی………………. 59

4-4- نتایج شبیه سازی جریان با استفاده از هیبرید موجک- عصبی…………….. 60

4-5- نتایج شبیه سازی جریان با استفاده از هیبرید موجک- ماشین بردار پشتیبان     60

4-6- نتایج شبیه سازی جریان با استفاده از هیبرید موجک- بیان ژن…………… 63

4-7- نتایج شبیه سازی جریان با استفاده از رگرسیون خطی و غیرخطی………… 64

4-8- مقایسه مدل‌های پیش‌بینی……………………………………………………………… 65

4-9- بررسی روند تغییرات دبی رودخانه آجی چای……………………………………… 71

4-10- نتیجه‌گیری………………………………………………………………………………….. 72

4-11- پیشنهادها……………………………………………………………………………………. 73

منابع و مآخذ………………………………………………………………………………………………………. 74

پیوست………………………………………………………………………………………………………………. 79

واژه نامه…………………………………………………………………………………………………………….. 92

 

 

 

 

 

 

 

 

 

 

 

 

 

 

فهرست جداول

عنوان………………………………………………………………………………………………………… صفحه

جدول 3-1 : مشخصات ایستگاه‌های موردمطالعه……………………………………………… 48

جدول 3-2 : مقادیر پارامترهای لازم جهت تجزیه‌وتحلیل در مدل برنامه‌ریزی بیان ژن……… 51

جدول 4-1 : نتایج مدل برنامه‌ریزی بیان ژن در مراحل آموزش و صحت سنجی ……  56

جدول 4-2 : مقادیر پارامترهای بهینه مدل ماشین بردار پشتیبان با سه تابع کرنل.. 57

جدول 4-3 : نتایج مدل ماشین بردار پشتیبان در مراحل آموزش و صحت سنجی.. 58

جدول 4-4 : نتایج مدل شبکه عصبی مصنوعی در مراحل آموزش و صحت سنجی. 59

جدول 4-5 : نتایج مدل هیبرید موجک- عصبی در مراحل آموزش و صحت سنجی 60

جدول 4-6 : مقادیر پارامترهای بهینه مدل هیبرید موجک- ماشین بردار پشتیبان با سه تابع کرنل         61

جدول 4-7 : نتایج مدل هیبرید موجک- ماشین بردار پشتیبان در مراحل آموزش و صحت سنجی         62

جدول 4-8 : نتایج مدل هیبرید موجک- بیان ژن در مراحل آموزش و صحت سنجی        63

جدول 4- 9 : نتایج مدل رگرسیون خطی در مراحل آموزش و صحت سنجی………… 64

جدول 4-10 : نتایج مدل رگرسیون غیرخطی در مراحل آموزش و صحت سنجی….. 64

جدول 4-11 : نتایج مدل‌های مختلف در مراحل آموزش و صحت سنجی برای سری داده‌های میانگین دبی 30 روزه…………………………………………………………………………………………………………………. 66

 

 

 

 

 

 

 

 

 

 

فهرست اشکال

عنوان ………………………………………………………………………………………………………..  صفحه

شکل 2-1 : چرخ رولت…………………………………………………………………………………. 8

شکل 2-2 : کدگذاری به فرم رشته خطی و کد برداری به‌صورت ET ……………………  10

شکل 2-3 : بیان درختی (ET) رابطه F = sin (x) + sqrt(x2 + y) ……………………….  11

شکل 2-4 : بیان درختی (ET) رابطه 2-2……………………………………………………….. 12

شکل 2-5 : بیان درختی رابطه 2-4 ……………………………………………………………….  13

شکل 2-6 : بیان درختی رابطه 2-5 ……………………………………………………………….  14

شکل 2-7 : بیان درختی رابطه 2-6 ……………………………………………………………….  15

شکل 2-8 : مدل SVM رگرسیونی………………………………………………………………… 17

شکل 2-9 : مقایسه یک موج سینوسی با یک موج دابچیز………………………………… 27

شکل 2-10 : شمای تبدیل فوریه……………………………………………………………………. 28

شکل 2-11 : شمای تبدیل موجکی…………………………………………………………………. 28

شکل 2-11 : فرایند آنالیز موجکی…………………………………………………………………. 32

شکل 3-1 :  نقشه DEM حوضه آبریز آجی چای………………………………………………. 47

شکل 3-2 : موقعیت جغرافیایی منطقه مطالعاتی……………………………………………… 48

شکل 3-3 : نمودار هیدروگراف روزانه ایستگاه مرکید در بازه زمانی 1371- 1390.. 49

شکل 3-4 : نمودار هیدروگراف روزانه ایستگاه مرکید در بازه زمانی 1371- 1390.. 49

شکل 4-1 : نمودار پراکنش سری داده‌های 30 روزه مشاهداتی و محاسبه‌ای (با مدل W-ANN)  67

شکل 4-2 :  نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی     (با استفاده از مدل GEP)…………………………………………………………………………………………………………………. 67

شکل 4-3 : نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی     (با استفاده از مدل SVM(poly))……………………………………………………………………………………………… 68

شکل 4-4 : نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی     (با استفاده از مدل ANN)…………………………………………………………………………………………………………………. 68

شکل 4-5 : نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی     (با استفاده از مدل W-ANN)……………………………………………………………………………………………………….. 69

شکل 4-6 :  نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی    (با استفاده از مدل W-SVM)……………………………………………………………………………………………………….. 69

شکل 4-7 : نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی     (با استفاده از مدل W-GEP)………………………………………………………………………………………………………… 69

شکل 4-8 : نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی     (با استفاده از مدل Lin-Reg)…………………………………………………………………………………………………………. 70

شکل 4-9 : نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی و محاسباتی     (با استفاده از مدل NLin-Reg)…………………………………………………………………………………………………………. 70

شکل 4-10 : نمودار سری داده‌های دبی میانگین 30 روزه مشاهداتی ایستگاه مرکید در مقابل دبی مشاهداتی و محاسباتی (با مدل WANN) ایستگاه ونیار………………………………………………….. 71

 

                       

 

 

 

 

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo