%46تخفیف

پیش بینی و پهنه بندی شاخص خشکسالی SPI در استان کرمان با استفاده از شبکه های عصبی مصنوعی و مدل نرو- فازی

تعداد155 صفحه در فایل word

گروه مهندسی آب

پايان نامه تحصيلی برای دريافت درجه کارشناسی ارشد سازه های آبی

پیش بینی و پهنه بندی شاخص خشکسالی SPI در استان کرمان با استفاده از شبکه های عصبی مصنوعی و مدل نرو- فازی

در سال های اخیر خشکسالی با فراوانی و شدت بیشتری در بسیاری از مناطق دنیا از جمله ایران رخ داده و اثرات مخرب آن با توجه به افزایش تقاضای آب و تغییرات اقلیمی تشدید یافته است. پیش بینی خشکسالی می تواند طراحی پروژه های مهندسی آب ، برنامه ریزی های اقتصادی منطقه ای و مدیریت بهتر منابع آب را تضمین نماید. در سال های اخیر استفاده از روش های مدل سازی مبتنی بر هوش مصنوعی در علوم مهندسی آب مورد توجه جدی محققین قرار گرفته است. در این تحقیق سعی شده است توانایی شبکه های عصبی مصنوعی چند لایه پیشرو ، شعاعی ، شبکه های لایه برگشتی و مدل ترکیبی نرو فازی در پیش بینی شاخص خشکسالی بارش استاندارد شده SPI در استان کرمان مورد ارزیابی قرار گرفته و بهترین مدل ارائه گردد. شاخص خشکسالی برای کلیه ایستگاه های دارای آمار بلند مدت محاسبه شده و سپس با استفاده از توابع آماری بهترین ورودی ها برای مدل ها انتخاب گردیده است. نتایج حاکی از توانایی بالای شبکه های عصبی مصنوعی و نرو فازی در پیش بینی شاخص خشکسالی SPI بوده و مقایسه مدل ها با یکدیگر نشان از توانایی بیشتر شبکه عصبی مصنوعی چند لایه پیشرودارد. بنا بر نتایج آماری پیش بینی مدل ها تا 6 ماه آینده با احتمال 95 درصد معنی دار است و در انتها شاخص خشکسالی در سطح استان کرمان تا 6 ماه آینده پهنه بندی شده است .

……………………………………………………………………………………………………………….  صفحه

  • مقدمه و اهداف کلی

    • مقدمه……………………………………………………………………………………………………………2

    • بیان مسئله………………………………………………………………………………………………………3

    • هدف از تحقیق………………………………………………………………………………………………5

  • مروری بر تحقیقات گذشته

    • مقدمه………………………………………………………………………………………………………….8

    • شاخص های خشکسالی…………………………………………………………………………………..8

2-2-1-  شاخص خشکسالی پالمر…………………………………………………………………….8

2-2-2-  شاخص بارش استاندارد…………………………………………………………………….11

2-2-3-  شاخص درصدی از نرمال………………………………………………………………… 12

  • مدل سازی آماری…………………………………………………………………………………………14

2-3-1-  رگرسیون چند متغیره……………………………………………………………………….14

2-3-2-  مدل های مبتنی بر هوش مصنوعی………………………………………………………15

  • کاربرد شبکه های عصبی مصنوعی مدل نرو-فازی در علوم آب……………………………15

  • نتیجه گیری…………………………………………………………………………………………………18

  • شرح کار

    • مقدمه…………………………………………………………………………………………………………20

    • منطقه مورد مطالعه…………………………………………………………………………………………20

    • روش انجام کار…………………………………………………………………………………………….22

3-3-1-  شاخص بارش استاندارد…………………………………………………………………….22

3-3-2-  شاخص های آماری جهت انتخاب بهترین مدل……………………………………..25

3-3-3-  پیش پردازش داده ها………………………………………………………………………..27

3-3-4-  انتخاب ورودی های مدل………………………………………………………………….29

  • شبکه های عصبی مصنوعی……………………………………………………………………………..31

3-4-1-  شبکه های پیشرو……………………………………………………………………………..31

3-4-2-  شبکه های شعاعی……… …………………………………………………………………..35

3-4-3-  شبکه های لایه برگشتی…… ………………………………………………………………37

  • مدل نرو- فازی…………………………………………………………………………………………….39

  • نرم افزار Matlab…………………………………………………………………………………………43

  • بحث و نتیجه گیری

    • مقدمه…………………………………………………………………………………………………………45

    • بحث و نتایج………………………………………………………………………………………………..45

4-2-1-  مدل شبکه عصبی پیشرو……………………………………………………………………45

4-2-2-  مدلشبکه عصبی شعاعی ………………………………………………………………….55

4-2-3-  مدل شبکه عصبی لایه برگشتی ………………………………………………………….63

4-2-4-مدل نرو- فازی………………………………………………………………………………..73

  • آنالیز حساسیت…………………………………………………………………………………………….81

4-3-1-  مدلشبکه عصبی پیشرو……………………………………………………………………81

4-3-2-  مدلشبکه عصبی شعاعی ………………………………………………………………….82

4-3-3-  مدلشبکه عصبی لایه برگشتی ………………………………………………………….83

4-3-4-مدل نرو- فازی………………………………………………………………………………..84

  • پیش بینی بلند مدت……………………………………………………………………………………….85

  • نتیجه گیری………………………………………………………………………………………………….88

  • نتایج و پیشنهادها

    • مقدمه…………………………………………………………………………………………………………91

    • نتایج…………………………………………………………………………………………………………..91

    • پیش بینی خشکسالی………………………………………………………………………………………93

    • پیشنهادها…………………………………………………………………………………………………..102

پیوست………………………………………………………………………………………………………………..103

مراجع…………………………………………………………………………………………………………………124

فهرست اشکال

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

شکل (2-1): مقایسه روش شبکه عصبی و مدل های ARIMA …………………………………………17

شكل(3-1): پراكندگي ايستگاه هاي سينوپتيك در سطح استان کرمان………………………………..21

شکل (3-2): داده های تغییرشکل یافته ورودی SPI 3(ACF)………………………………………….29

شکل (3-3): داده های تغییرشکل یافته ورودی SPI 3(PACF) ……………………………………….29

شکل (3-4): تابع انتقال tansig…………………………………………………………………………………32

شکل (3-5): ساختار شبکه پیشرو سه لایه………………………………………………………………………33

شکل (3-6): آرایش شبکهپیشرو………………………………………………………………………………..34

شکل (3-7): شبکهشعاعی با R ورودی………………………………………………………………………..35

شکل (3-8)تابع انتقال radbas……………………………………………………………………………………35

شکل (3-9): آرایش شبکهشعاعی………………………………………………………………………………36

شکل (3-10): شبکهلایه برگشتی………………………………………………………………………………..37

شکل (3-11): آرایش شبکهلایه برگشتی……………………………………………………………………..38

شکل (3-12): دو ورودی مدل مرتبه یک Sugeno با دو قانون………………………………………….40

شکل (3-13): معادل مدل ANFIS…………………………………………………………………………….40

شکل (4-1): نمایه های آماری عملکرد مدلFF طی مرحله آموزش  SPI3  ایستگاه کرمان ..48

شکل (4-2): نمایه های آماری عملکرد مدلFF طی مرحله آزمونSPI3  ایستگاه کرمان…..48

شکل (4-3): مقادیر مشاهده شده و تخمینیSPI3 توسط مدل FF در ایستگاه کرمان…………..49

شکل (4-4): مقادیر مشاهده شده در برابر تخمینیSPI 3توسط مدل FF در ایستگاه کرمان…….49

شکل (4-5): مقادیر مشاهده شده و تخمینیSPI 6 توسط مدل FF در ایستگاه کرمان…………..51

شکل (4-6): مقادیر مشاهده شده در برابر تخمینیSPI 6توسط مدل FF در ایستگاه کرمان…….51

شکل (4-7): مقادیر مشاهده شده و تخمینیSPI 9 توسط مدل FF در ایستگاه کرمان…………..52

شکل (4-8): مقادیر مشاهده شده در برابر تخمینیSPI 9توسط مدل FF در ایستگاه کرمان……52

شکل (4-9): مقادیر مشاهده شده و تخمینیSPI 12 توسط مدل FF در ایستگاه کرمان………..53

شکل (4-10): مقادیر مشاهده شده در برابر تخمینیSPI 12توسط مدل FF در ایستگاه کرمان

……………………………………………………………………………………………………………………………..53

شکل (4-11): مقادیر مشاهده شده و تخمینیSPI 24 توسط مدل FF در ایستگاه کرمان………54

شکل (4-12): مقادیر مشاهده شده در برابر تخمینیSPI 24توسط مدل FF در ایستگاه کرمان

……………………………………………………………………………………………………………………………..54

شکل (4-13): مقادیر مشاهده شده و تخمینی SPI 3 توسط مدل RB در ایستگاه کرمان………..57

شکل (4-14): مقادیر مشاهده شده در برابر تخمینیSPI 3توسط مدل RB در ایستگاه کرمان

……………………………………………………………………………………………………………………………..57

شکل (4-15): مقادیر مشاهده شده و تخمینیSPI 6 توسط مدل RBدر ایستگاه کرمان………..59

شکل (4-16): مقادیر مشاهده شده در برابر تخمینیSPI 6توسط مدل RBدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..59

شکل (4-17): مقادیر مشاهده شده و تخمینیSPI 9 توسط مدل RBدر ایستگاه کرمان………..60

شکل (4-18): مقادیر مشاهده شده در برابر تخمینیSPI 9توسط مدل RBدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..60

شکل (4-19): مقادیر مشاهده شده و تخمینیSPI 12 توسط مدل RBدر ایستگاه کرمان……..61

شکل (4-20): مقادیر مشاهده شده در برابر تخمینیSPI 12توسط مدل RBدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..61

شکل (4-21): مقادیر مشاهده شده و تخمینیSPI 24 توسط مدل RBدر ایستگاه کرمان……..62

شکل (4-22): مقادیر مشاهده شده در برابر تخمینیSPI 24توسط مدل RBدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..62

شکل (4-23): نمایه های آماری عملکرد مدلRL طی مرحله آموزش  SPI3  ایستگاه کرمان

……………………………………………………………………………………………………………………………..66

شکل (4-24): نمایه های آماری عملکرد مدلRL طی مرحله آزمونSPI3  ایستگاه کرمان ……………………………………………………………………………………………………………………………..66

شکل (4-25): مقادیر مشاهده شده وتخمینیSPI 3توسط مدل RLدر ایستگاه کرمان ………….67

شکل (4-26): مقادیر مشاهده شده در برابر تخمینیSPI 3توسط مدل RLدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..67

شکل (4-27): مقادیر مشاهده شده و تخمینیSPI 6توسط مدل RLدر ایستگاه کرمان…………69

شکل (4-28): مقادیر مشاهده شده در برابر تخمینیSPI 6توسط مدل RLدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..69

شکل (4-29): مقادیر مشاهده شده و تخمینیSPI 9توسط مدل RLدر ایستگاه کرمان…………70

شکل (4-30): مقادیر مشاهده شده در برابر تخمینیSPI 9توسط مدل RLدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..70

شکل (4-31): مقادیر مشاهده شده و تخمینیSPI 12توسط مدل RLدر ایستگاه کرمان………..71

شکل (4-32): مقادیر مشاهده شده در برابر تخمینیSPI 12توسط مدل RLدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..71

شکل (4-33): مقادیر مشاهده شده و تخمینیSPI 24توسط مدل RLدر ایستگاه کرمان………..72

شکل (4-34): مقادیر مشاهده شده در برابر تخمینیSPI 24توسط مدل RLدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..72

شکل (4-35): مقادیر مشاهده شده و تخمینیSPI 3توسط مدل NFدر ایستگاه کرمان………….75

شکل (4-36): مقادیر مشاهده شده در برابر تخمینیSPI 3توسط مدل NFدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..75

شکل (4-37): مقادیر مشاهده شده و تخمینیSPI 6توسط مدل NFدر ایستگاه کرمان………….77

شکل (4-38): مقادیر مشاهده شده در برابر تخمینیSPI 6توسط مدل NFدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..77

شکل (4-39): مقادیر مشاهده شده و تخمینیSPI 9توسط مدل NFدر ایستگاه کرمان………….78

شکل (4-40): مقادیر مشاهده شده در برابر تخمینیSPI 9توسط مدل NFدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..78

شکل (4-41): مقادیر مشاهده شده و تخمینیSPI 12توسط مدل NFدر ایستگاه کرمان………..79

شکل (4-42): مقادیر مشاهده شده در برابر تخمینیSPI 12توسط مدل NFدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..79

شکل (4-43): مقادیر مشاهده شده و تخمینیSPI 24توسط مدل NFدر ایستگاه کرمان………..80

شکل (4-44): مقادیر مشاهده شده در برابر تخمینیSPI 24توسط مدل NFدر ایستگاه کرمان

……………………………………………………………………………………………………………………………..80

شکل (5-1): پهنه بندی شاخص خشکسالی SPI 3 برای 1 ماه آینده……………………………………95

شکل (5-2): پهنه بندی شاخص خشکسالی SPI 3 برای 3 ماه آینده……………………………………95

شکل (5-3): پهنه بندی شاخص خشکسالی SPI 3 برای 6 ماه آینده……………………………………96

شکل (5-4): پهنه بندی شاخص خشکسالی SPI 6 برای 1 ماه آینده……………………………………96

شکل (5-5): پهنه بندی شاخص خشکسالی SPI 6 برای 3 ماه آینده……………………………………97

شکل (5-6): پهنه بندی شاخص خشکسالی SPI 6 برای 6 ماه آینده…………………………………..97

شکل (5-7): پهنه بندی شاخص خشکسالی SPI 9 برای 1 ماه آینده…………………………………..98

شکل (5-8): پهنه بندی شاخص خشکسالی SPI 9 برای 3 ماه آینده…………………………………..98

شکل (5-9): پهنه بندی شاخص خشکسالی SPI 9 برای 6 ماه آینده…………………………………..99

شکل (5-10): پهنه بندی شاخص خشکسالی SPI 12 برای 1 ماه آینده………………………………99

شکل (5-11): پهنه بندی شاخص خشکسالی SPI 12 برای 3 ماه آینده……………………………..100

شکل (5-12): پهنه بندی شاخص خشکسالی SPI 12 برای 6 ماه آینده……………………………..100

شکل (5-13): پهنه بندی شاخص خشکسالی SPI 24برای 1 ماه آینده……………………………..101

شکل (5-14): پهنه بندی شاخص خشکسالی SPI 24برای 3 ماه آینده……………………………..101

شکل (5-15): پهنه بندی شاخص خشکسالی SPI 24 برای 6 ماه آینده……………………………..102

 

فهرست جداول

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

جدول (3-1): مشخصات ایستگاه های استان………………………………………………………………….22

جدول (3-2): طبقه بندی خشکسالی با توجه به شاخص SPI…………………………………………….24

جدول (3-3): خصوصیات آماری داده های ورودی به مدل………………………………………………28

جدول (3-4): همبستگی شاخص SPI ایستگاه کرمان با تاخیر زمانی ………………………………….30

جدول (4-1): عملکرد مدل FF طی مرحله آموزش برای SPI 3  در ایستگاه کرمان………………46

جدول (4-2): عملکرد مدل FF طی مرحله آزمون برای  SPI 3  در ایستگاه کرمان……………….47

جدول (4-3): عملکرد بهترین مدل شبکه عصبی FF برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان………………………………………………………………………………………………………….50

جدول (4-4): عملکرد مدل RB طی مرحله آموزش و آزمون برای  SPI 3 در ایستگاه کرمان…56

جدول (4-5): عملکرد بهترین مدل شبکه عصبی RB برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان………………………………………………………………………………………………………….58

جدول (4-6): عملکرد مدل RL طی مرحله آموزش برای  SPI 3  در ایستگاه کرمان…………….64

جدول (4-7): عملکرد مدل RLطی مرحله آزمون برای  SPI3  در ایستگاه کرمان………………65

جدول (4-8): عملکرد بهترین مدل شبکه عصبی RL برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان………………………………………………………………………………………………………….67

جدول (4-9): عملکرد مدل NFطی مرحله آموزش و آزمون برای  SPI 3 در ایستگاه کرمان…74

جدول (4-10): عملکرد بهترین مدل نرو- فازی NF برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان………………………………………………………………………………………………………….76

جدول (4-11): عملکرد بهترین مدل شبکه عصبی FF برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان…………………………………………………………………………………………………….82

جدول (4-12): عملکرد بهترین مدل شبکه عصبی RB برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان……………………………………………………………………………………………………..83

جدول (4-13): عملکرد بهترین مدل شبکه عصبی RL برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان……………………………………………………………………………………………………..84

جدول (4-14): عملکرد بهترین مدل NF برای شاخص های 3-6-9-12 و 24 ماهه در ایستگاه کرمان…………………………………………………………………………………………………………………….85

جدول (4-15): عملکرد هر یک از مدل ها با یک ورودی برای پیش بینی 6 ماه آینده شاخص های خشکسالی در ایستگاه کرمان………………………………………………………………………………..86

جدول (4-16): عملکرد هر یک از مدل ها با دو ورودی برای پیش بینی 6 ماه آینده شاخص های خشکسالی در ایستگاه کرمان………………………………………………………………………………………87

جدول (4-17): نتایج آزمون Z  برای پیش بینی  ماه های آینده شاخص های خشکسالی توسط مدل شبکه عصبی پیشرو…………………………………………………………………………………………….89

جدول (5-1): پیش بینی شاخص خشکسالی 3-6-9-12 و 24 ماهه در ایستگاه کرمان برای 6 ماه آینده………………………………………………………………………………………………………………………93

 

 

 

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