پایان نامه ارشد:بررسی کاربرد روش شبکه عصبی مصنوعی در برآورد رواناب سالانه حوزه‌های آبخیز (مطالعه موردی: حوزه آبخیز کل، استان فارس)

متن کامل پایان نامه مقطع کارشناسی ارشد رشته :منابع طبیعی

گرایش :آبخیزداری

عنوان : بررسی کاربرد روش شبکه عصبی مصنوعی در برآورد رواناب سالانه حوزه‌های آبخیز (مطالعه موردی: حوزه آبخیز کل، استان فارس)

دانشگاه آزاد اسلامی

واحد ارسنجان

دانشکده کشاورزی و منابع طبیعی، گروه منابع طبیعی

 

پایان نامه برای دریافت درجه کارشناسی ارشد(M.Sc.)

گرایش: آبخیزداری

 

عنوان:

بررسی کاربرد روش شبکه عصبی مصنوعی در برآورد رواناب سالانه حوزه‌های آبخیز (مطالعه موردی: حوزه آبخیز کل، استان فارس)

 

استاد راهنما:

دکتر محمد شعبانی

 

استاد مشاور:

 دکتر مرضیه موغلی  

 

تابستان 1393

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

فهرست مطالب       

عنوان                                                                                                                صفحه

چکیده                                                                                                                   1

فصل اول: مقدمه و کلیات

  • مقدمه                                               3

1-2- اهمیت و ضرورت انجام تحقیق                                                                             5

1-3- اهداف تحقیق(کلی و ویژه)                                                                                   7

1-4- متغیر های تحقیق                                                                                               7

1-5- فرضیه ها یا پرسش های تحقیق                                                                             7

1-6- هوش‌ مصنوعی‌ و هوش‌ انسانی                                                                             ‌ 7

1- 7- معرفی شبکه عصبی مصنوعی                                                                               9

1-8- تاریخچه شبکه عصبی مصنوعی                                                                            10

1-9- چرا از شبکه های عصبی استفاده می کنیم؟                                                              12

1-10- شبکه های عصبی در مقایسه با کامپیوترهای سنتی                                                    13

1-11- نورون مصنوعی                                                                                             14

1-12- ساختار شبکه عصبی                                                                                       15

1-13- کاربرد شبکه های عصبی                                                                                  16

1-14- معایب شبکه های عصبی                                                                                  17

1-14-1- تئوری شبکه های عصبی مصنوعی                                                                   18

1-14-2- پارامترها و مراحل طراحی  ANN                                                                  20

1-14-3- شبکه های عصبی مصنوعی پیشرو                                                                    23

1-14-4- الگوریتم پس انتشار خطا با مومنتوم                                                                  24

1-15- معماری شبکه عصبی                                                                                       28

1-16- شبکه  عصبی چه قابلیتهائی دارد؟                                                                        29

1-17- مفاهیم پایه در شبکه های عصبی مصنوعی                                                             30

1-18- انواع شبکه های عصبی                                                                                    30

1-18-1- شبکه عصبی پرسپترون ساده                                                                           30

1-18-2- شبکه عصبی پرسپترون چند لایه) MLP (                                                         30

1-19- شبکه های عصبی بیولوژیکی                                                                             32

فصل دوم: پیشینه تحقیق

2-1- زمینه تاریخی                                                                                                  36

2-2- مطالعات داخل کشور                                                                                        37

2-3- مطالعات خارج کشور                                                                                        48

فصل سوم: مواد و روش ها

3-1- معرفی ایستگاهای مورد مطالعه                                                                             54

3-2- مراحل روش تحقیق                                                                                         55

3-3- روش انجام کار                                                                                               56

3-4- استفاده از شبکه عصبی مصنوعی در برآورد رواناب سالانه                                              57

3-5- معرفی مدل  Qnet2000                                                                                  59

فصل چهارم: نتایج

4-1- معرفی ایستگاهای مورد مطالعه                                                                             67

4-1-1- بند بهمن                                                                                                   68

4-1-1-1- نتایج پردازش داده ها در حالت پیش فرض خود نرم افزار                                     68

4-1-4- پردازش داده ها با توابع محرک مختلف                                                              84

فصل پنجم : بحث و نتیجه گیری

5-1- ایستگاه بند بهمن                                                                                             86

5-2- ایستگاه چمریز                                                                                                87

5-3- ایستگاه درب قلعه                                                                                            88

5-4- جمع بندی                                                                                                     89

5-5- پیشنهادات                                                                                                     90

منابع و مآخذ

منابع فارسی                                                                                                           92

منابع لاتین                                                                                                             94

پیشنهادات                                                                                                             95

چکیده انگلیسی                                                                                                       97

فهرست جداول

عنوان                                                                                                               صفحه

جدول 3-1- مشخصات ایستگاه های مورد مطالعه در استان فارس                                          54

جدول 4-1- مشخصات ایستگاه های مورد مطالعه در استان فارس                                          67

جدول 2- 4ساختار های استفاده شده در برنامه  Qnet 2000                                         69

جدول4-3 مقادیر R2و RMSE مربوط به مدل  M1در تکرارهای مختلف و توابع تحریک مختلف    69

جدول4-4 مقادیر R2و RMSE مربوط به مدل  M2در تکرارهای مختلف و توابع تحریک مختلف    70

جدول4-5 مقادیر R2و RMSE مربوط به مدل  M3در تکرارهای مختلف و توابع تحریک مختلف    71

جدول4-6 مقادیر R2و RMSE مربوط به مدل  M1در تکرارهای مختلف و توابع تحریک مختلف 74

جدول4-7 مقادیر R2و RMSE مربوط به مدل  M2در تکرارهای مختلف و توابع تحریک مختلف 75

جدول4-8 مقادیر R2و RMSE مربوط به مدل  M3در تکرارهای مختلف و توابع تحریک مختلف 75

جدول4-9 مقادیر R2و RMSE مربوط به مدل  M1در تکرارهای مختلف و توابع تحریک مختلف 78

جدول4-10 مقادیر R2و RMSE مربوط به مدل  M2در تکرارهای مختلف  و توابع تحریک‌مختلف79

جدول4-11 مقادیر R2و RMSE مربوط به مدل  M3در تکرارهای مختلف  و توابع تحریک‌مختلف79

جدول4-12- ویژگی های مربوط به ساختار بهینه شبکه عصبی برای سایر خوزه های آبخیز      83

فهرست شکل ها

عنوان                                                                                                               صفحه

شکل:1-1- شبکه عصبی                                                                                           16

شکل 1-2- یک نرون منفرد با یک تابع عملگر Sشکل                                                        18

شکل1-3- عملکرد یک شبکه عصبی                                                                             19

شکل1-4- ساختار یک شبکه عصبی مصنوعی 3 لایه                                                          19

شکل 1-5- الگوریتم شبیه سازی با شبکه عصبی مصنوعی                                                    22

شکل 1-6- ساختار یک شبکه عصبی مصنوعی پیشرو                                                         23

شکل 1-7- شبکه عصبی پس انتشار BP با یک لایه پنهان                                                    25

شکل 1-8- تابع سیگموئید باینری با محدوده تغییرات بین 0 و 1                                            25

شکل 1-9- تابع سیگموئید دو قطبی با محدوده تغییرات بین 1-  و1                                        26

شکل 1- 10- ساختار پرسپترون چندلایه با نرون‌های پنهان tansigو نرون‌های خروجی با تابع خطی31

شکل 1-11- شبکه عصبی زیستی                                                                                 34

شکل1-11- تناظر بین شبکه عصبی زیستی و شبکه عصبی مصنوعی                                        34

شکل3-1- موقعیت ایستگاه های مورد مطالعه بر روی نقشه استان فارس                                  55

شکل 3-2- اولین پنجره پس از شروع مدل                                                                      59

شکل3-3- شروع شبکه آموزش                                                                                   60

شکل 3-4- طراحی و تعریف شبکه                                                                              60

شکل 3-5- تابع استفاده شده                                                                                      61

شکل3-6- تعریف فایل های ورودی و خروجی                                                               62

شکل 3-7- تعریف پارامتر های مختلف شبکه عصبی                                                         63

شکل 3-8- نمایش روند محاسبات                                                                               65

شکل 4-1- نمایش روند محاسبات با تابع گوسین                                                             72

شکل 4-2-  نمودار تغییرات خطا بر حسب تعداد تکرار در مرحله­ی آموزش با تابع گوسین            72

شکل 4-3- همبستگی دبی مشاهداتی و پیش بینی در مرحله­ی آموزش با تابع گوسین  با
ساختار1-2-3                                                                                                        73

شکل  4-4-  مقادیر دبی مشاهداتی و پیش بینی شده در مرحله­ی آموزش با تابع گوسین               73

شکل 4-5-  نمایش روند محاسبات با تابع گوسین                                                            76

شکل 4-6-  نمودار تغییرات خطا بر حسب تعداد تکرار در مرحله­ی آموزش با تابع گوسین            77

شکل 4-7- همبستگی دبی مشاهداتی و پیش بینی در مرحله­ی آموزش با تابع گوسین  با
ساختار1-2-3                                                                                                        77

شکل 4-8- مقادیر دبی مشاهداتی و پیش بینی شده در مرحله­ی آموزش با تابع گوسین                 78

شکل 4-9- نمایش روند محاسبات با تابع گوسین                                                             81

شکل 4-10- نمودار تغییرات خطا بر حسب تعداد تکرار در مرحله­ی آموزش با تابع گوسین           81

شکل 4-11- همبستگی دبی مشاهداتی و پیش بینی در مرحله­ی آموزش با تابع گوسین  با
ساختار1-2- 3                                                                                                       82

شکل 4-12- مقادیر دبی مشاهداتی و پیش بینی شده در مرحله­ی آموزش با تابع گوسین               82

 

چکیده:

اهمیت و جایگاه آب در زندگی بشر به ویژه در دنیای پیشرفته و پر جمعیت کنونی بر کسی پوشیده نیست و زندگی صنعتی و شهری مصرف سرانه آب را نسبت به شرایط زندگی سنتی چندین برابر نموده است. امروزه این منبع طبیعی به عنوان یکی از تعیین کننده ترین پارامترهای برنامه ریزی های اجتماعی و حتی سیاسی مطرح است، تا آنجا که نزاع آینده کشور های مختلف را حول حقوق آبی هر کشور پیش بینی می کنند و این امر در کشورهایی که از منابع آبی مشترک بهره می برند بیشتر به چشم می آید.  در این راستا، هدف از انجام این تحقیق تعیین کارایی روش شبکه عصبی مصنوعی در برآورد رواناب در 3 ایستگاه بند بهمن، چمریز و درب قلعه، واقع در استان فارس می باشد. روش گردآوری اطلاعات در این تحقیق به صورت میدانی و کتابخانه ای می باشد. برآورد میزان رواناب رودخانه های قره آغاج ، کر و رود بال، که مربوط به هر 3 ایستگاه مذکور می باشند، توسط داده های اندازه گیری چون میزان بارش، دما و تبخیر انجام گرفت که نتایج حاصله از این قرار بودند که، با به کارگیری روش شبکه عصبی مصنوعی از نوع پرسپترون چند لایه و تابع تحریک از نوع گوسین- گوسین ، با 3 نرون در لایه ورودی،2 نرون در لایه پنهانی و 1 نرون در لایه خروجی ، در اینجا، قانون یادگیری پس انتشار خطا با 50000 تکرار توانست روال آموزش را به نحو مطلوب طی کند و خطای متوسط شبکه را به حد قابل قبولی رساند و فرضیه H1  در خصوص ایستگاه های نامبرده را به اثبات رساند.

کلمات کلیدی: بارش، دمای هوا، رواناب، ایستگاه بند بهمن، مدل شبکه عصبی

فصل اول

مقدمه و کلیات

  • مقدمه:

تعیین رابطه بین بارش رواناب برای یک منطقه آبی یکی از مهمترین مسائل مربوط به هیدرولوژیست ها و مهندسین است اطلاعات دراین زمینه برای اهداف طراحی ومدیریتی مهندسان لازم است. این رابطه، رابطه ای غیر خطی و پیچیده است .موارد استفاده این پیش بینی هارامی توان به مدیریت  صحیح طرح‌های کشاورزی، سیستم های هشداردهنده سیل و بهره برداری از مخازن سدها نسبت داد. بارش-  رواناب یکی از پیچیده ترین فرآیندهای هیدرولوژیکی است. برای سالیان زیاد، هیدرولوژیست ها در شناخت چگونگی تبدیل بارش به رواناب برای پیش بینی سیلاب بوده اند. از اهداف این شناخت میتوان به ذخیره آب، کنترل سیلاب، آبیاری، زهکشی، کیفیت آب، تولید انرژی، مراکز تفریحی  پرورش ماهی و گسترش حیات وحش و… اشاره کرد. تعداد پارامترها، عدم پایداری مشخصه های حوضه های آبریز و مدلهای بارش بیش از پیش مسئله را پیچیده می کند. استفاده از مدل هاى آمارى، هیدرولیکى و هیدرولوژیکى سابقه طولانى در بحث مدل سازی بارش- رواناب داشته است. با توجه به مشکلات و نقاط ضعفی که در مدل های مفهومی و آماری وجود دارد، نیاز به مدلی که با پارامترهای ورودی و خروجی بتواند عملیات نگاشت را انجام دهد، ضروری به نظر میرسد. طى دهۀ اخیر مدل ریاضى غیرخطی شبکه هاى عصبى مصنوعی[1]( (ANN به ابزارهاى پیشبینى افزوده شده و تحقیقات متنوعی در زمینۀ مدل سازی بارش – رواناب با استفاده از این ابزار صورت گرفته است. شبکه های عصبی مصنوعی ابزار قدرتمندی هستند که با تقلید ساده از سیستم عصبی بیولوژیک انسان ساخته شده است. شبکه های عصبی به دو نوع شبکه عصبی مصنوعی و طبیعی تقسیم می شوند .تحقیقات در زمینه شبکه های عصبی زمانی شروع شد که مغز به عنوان یک سیستم دینامیکی با ساختار موازی و پردازشگری کاملآ مغایر با پردازشگرهای متداول شناخته شد. نگرش نوین به مغز انسان که منتهی به بیان شبکه عصبی مصنوعی شد در اوایل قرن بیستم و توسط شخصی به نام سگال مطرح گردید. همچنین نرون به عنوان کوچکترین واحد پردازشگر داده‌ها در یک شبکه عصبی مصنوعی، اساس عملکرد و رفتار آن را تشکیل می‌دهد. از ترکیب چند نرون سلول ساخته می‌شود که بسته به نوع سلول وظیفه خاصی را در شبکه عهده‌دار است.

چگونگی اتصال سلول‌های عصبی در لایه‌های مختلف، مشخص کننده ساختار شبکه است که معماری شبکه نام دارد.

شبکه عصبی از چندین لایه تشکیل شده است. لایه ها وظیفه دریافت داده ها، پردازش و تولید کمیت خروجی را به عهده دارند.

  • لایه ورودی: این لایه فاقد نرون بوده و لایه ایست که متغیرهای ورودی را به نرونهای لایه مخفی بدون هیچ تغییری انتقال می دهد. عمومآّْْْ تعداد نرونها در این لایه ها تابعی از تعداد متغیر های ورودی به شبکه عصبی می باشد.
  • لایه یا لایه های مخفی: این لایه ها دارای یک یا چند نرون میباشندو تعداد لایه های مخفی می تواند یک یا چند لایه باشند
  • لا یه خروجی: این لایه دارای یک یا چند نرون بوده و تعداد نرونها تابعی از تعداد تابع خروجی می‌باشد.

لایه‌های شبکه توسط پیوست هایی با وزن‌های متفاوت به هم متصل هستند.که عموما شبکه عصبی چند لایه پرسپترن[2]((MLP نامیده می شود و ارتباط بین نرون ها و تنظیم وزنهادر آن از قانون های یاد گیری پیروی می کند

تعداد صفحه : 118

قیمت : 14000تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09309714541 (فقط پیامک)        serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

--  -- --

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید