فهرست و منابع پایان نامه تعیین سیلاب طراحی سازه های هیدرولیکی با استفاده از شبکه های عصبی مصنوعی
فهرست:
چکیده .........................................................................................................................................................١
مقدمه .................................................................................................................................................................................................٢
فصل اول : مقدمه شبکه عصبی و پیش بینی سیل و روش کار
١-١-معنای شبکه های عصبی ..................................................................................................................................................٤
١-٢-تشابهات و‌انتظارات ..........................................................................................................................................................٤
١-٢-١-تشابهات ...........................................................................................................................................................................٥
١-٢-٢-انتظارات ...........................................................................................................................................................................٥
١-٣-تاریخچه شبکه های عصبی ..............................................................................................................................................٦
١-٤-کاربرد‌شبکه های عصبی ..................................................................................................................................................٧
١-٥-مدل نرون ..............................................................................................................................................................................٩
١-٥-١-مدل تک ورودی ...........................................................................................................................................................٩
١-٥-٢-توابع محرک ....................................................................................................................................................................٩
١-٥-٣-مدل چند‌ورودی ..........................................................................................................................................................١١
١-٦-ساختار‌شبکه های عصبی ................................................................................................................................................١١
١-٦-١-شبکه تک لایه ...............................................................................................................................................................١٢
١-٦-٢-شبکه های چند‌لایه ....................................................................................................................................................١٢
١-٦-٣-تعریف لایه خروجی ....................................................................................................................................................١٣
١-٧-پرسپترون (یک رویکرد‌برداری )....................................................................................................................................١٤
١-٨-محدودیتهای پرسپترون ...................................................................................................................................................١٥
١-٩-تغییر‌مدل پرسپترون ........................................................................................................................................................١٦
١-٩-١-رفع مشکل ......................................................................................................................................................................١٦
١-١٠-حل مشکل ........................................................................................................................................................................١٧
١-١١-قاعده جدید‌فراگیری .....................................................................................................................................................١٨
١-١٢-تعمیم دهی .......................................................................................................................................................................١٩
١-١٣-سایر‌مشکلات آموزشی ..................................................................................................................................................٢٠
١-١٤-استفاده از‌شبکه های‌عصبی‌در‌هیدرولوژی...........................................................................................................٢١
١-١٥-عوامل اصلی ایجاد‌سیل ................................................................................................................................................٢٢
١-١٦-پیش بینی سیل ...............................................................................................................................................................٢٢
١-١٧-اهمیت پیش بینی وقوع سیل ......................................................................................................................................٢٣
١-١٨-علل طبیعی وقوع سیلاب ..............................................................................................................................................٢٣
١-١٩-علل انسانی وقوع سیل ...................................................................................................................................................٢٤
فصل دوم : پیشینه مطالعات تاریخی
٢-١-مقدمه .....................................................................................................................................................................................٢٦
٢-٢-شبکه های‌عصبی‌ترکیبی...............................................................................................................................................٢٦
٢-٣-مقایسه شبکه های‌عصبیMLPوELMANبا‌مدل جدید‌رگرسیون در‌پیش بینی
سیلاب ..............................................................................................................................................................................................٣٦
٢-٣-١مدل رگرسیون چندگانه ................................................................................................................................................٣٦
٢-٣-٢-شبکه عصبی‌المن (Elmen)....................................................................................................................................36
٢-٣-٣-نتایج و‌بحث ....................................................................................................................................................................٣٧
٢-٣-٤-نتیجه گیری.................................................................................................................................................................٤١
٢-٤-مطالعات پیش بینی‌سیلاب رودخانه کارون با‌استفاده از‌شبکه عصبی‌مصنوعی.............................................٤١
٢-٤-١-مدلهای‌مفروض ..............................................................................................................................................................٤٢
٢-٤-٢-کاربرد‌مدل شبکه عصبی‌مصنوعی..........................................................................................................................٤٢
٢-٤-٣-نتیجه گیری‌و‌پیشنهاد................................................................................................................................................٤٣
٢-٥-مدل مفهومی‌و‌شبکه عصبی‌برای‌پیش بینی‌زمان واقعی‌سیلاب رودخانه تیبر
در‌رم ...............................................................................................................................................................................................٤٥
٢-٥-١-نتیجه ...............................................................................................................................................................................٤٦
٢-٦-تحقیق عملی‌درباره پیش بینی‌سیلاب بر‌مبنای‌شبکه های
عصبی‌مصنوعی..............................................................................................................................................................................٤٩
٢-٦-١-انتخاب پارامترها.............................................................................................................................................................٥١
٢-٧-استفاده از‌شبکه عصبی‌برای‌پیش بینی‌سیلاب لحظه ای‌جریان کوهستانی
در‌اوهائو،هاوایی...........................................................................................................................................................................٥٢
٢-٧-١-توصیف منطقه مورد‌مطالعه ......................................................................................................................................٥٢
٢-٧-٢-داده های‌ایستگاه دریائی............................................................................................................................................٥٣
٢-٧-٣-روش کار...........................................................................................................................................................................٥٣
٢-٧-٤-معیار‌ارزیابی‌شبکه عصبی.........................................................................................................................................٥٣
٢-٧-٥-داده های‌ورودی‌شبکه عصبی‌پیش خور..............................................................................................................٥٣
٢-٧-٦-نتیجه گیری...................................................................................................................................................................٥٤
٢-٧-٧-استنباط کلی.................................................................................................................................................................٥٥
٢-٨-توسعه و‌کاربرد‌یک گروه تصمیم گیری‌شبکه عصبی‌پس انتشار‌برای
پیش بینی‌سیلاب .........................................................................................................................................................................٥٥
٢-٨-١-تنظیم داده .....................................................................................................................................................................٥٥
٢-٨-٢-آرایش داده ها................................................................................................................................................................٥٥
٢-٨-٣-تحلیل تابع انتقال خطی.............................................................................................................................................٥٦
٢-٨-٤-ثبت ساختار‌شبکه عصبی‌پس انتشار.....................................................................................................................٥٧
٢-٨-٥-نتایج ..................................................................................................................................................................................٦٠
٢-٩-نتیجه گیری‌مطالعات ........................................................................................................................................................٦٥
فصل سوم : معرفی حوضه های آبریز مورد مطالعه و اطلاعات موجود
٣-١-مقدمه .....................................................................................................................................................................................٦٧
٣-٢-ایستگاه اریه .........................................................................................................................................................................٦٧
٣-٢-١-موقعیت منطقه طرح ....................................................................................................................................................٦٧
٣-٢-٢-تقسیمات حوضه آبریز.................................................................................................................................................٦٧
٣-٢-٣-محاسبه سیلاب با‌استفاده از‌آنالیز‌منطقه ای......................................................................................................٧٠
٣-٣-ایستگاه کرتیان ...................................................................................................................................................................٧١
٣-٤-ایستگاه صنوبر.....................................................................................................................................................................٧٢
٣-٥-ایستگاه کوشک آباد...........................................................................................................................................................٧٢
٣-٦-ایستگاه جنگ ......................................................................................................................................................................٧٣
٣-٧-ایستگاه دولت آباد..............................................................................................................................................................٧٣
٣-٨-محاسبه زمان تمرکز..........................................................................................................................................................٧٥
فصل چهارم : روش محاسبات
٤-١-مقدمه .....................................................................................................................................................................................٨٧
٤-٢-شبکه هایچندلایه ...........................................................................................................................................................٨٨
٤-٣-معماری‌پرسپترون .............................................................................................................................................................٨٩
٤-٤-معماری‌شبکه های‌پس انتشار......................................................................................................................................٩٠
٤-٥-شبکه هایFeed Forward.......................................................................................................................................90
٤-٦-همبستگی‌آبشاری.............................................................................................................................................................٩١
٤-٧-محدودیت های‌پس انتشار..............................................................................................................................................٩١
٤-٨-آماده سازی‌شبکه و‌ارزیابی‌عملکرد‌آن ......................................................................................................................٩٢
فصل پنجم : تجزیه و تحلیل داده های سیلاب با استفاده از شبکه های عصبی
٥-١-مقدمه ....................................................................................................................................................................................٩٨
٥-٢-امتیاز‌شبکه های‌عصبی پیش خور...............................................................................................................................٩٨
٥-٣-شبکه های‌پیش خور‌پس انتشار..................................................................................................................................٩٨
٥-٤-شبکه های‌آبشاری‌پیش خور......................................................................................................................................١١٤
فصل ششم : نتیجه گیری و پیشنهادات
٦-١-نتیجه گیری.....................................................................................................................................................................١٥٨
٦-٢-پیشنهادات .........................................................................................................................................................................١٥٩ پیوست ها
پیوست ١.....................................................................................................................................................................................١٦١
پیوست ٢.......................................................................................................................................................................................١٦٣
پیوست ٣.....................................................................................................................................................................................١٦٥
منابع
منابع فارسی................................................................................................................................................................................١٦٨
منابع انگلیسی............................................................................................................................................................................١٦٩
چکیده انگلیسی.....................................................................................................................................١٧٢
منبع:
-آر.بیل و‌تی.جکسون .،آشنایی‌با‌شبکه های‌عصبی،ترجمه دکتر‌محمود‌البرزی،مؤسسه انتشارات علمی دانشگاه صنعتی‌شریف تهران ،چاپ دوم ١٣٨٦.
٢-حسن پور‌کاشانی ،مهسا.،منتصری ،مجید.،لطف الهی یقین ،محمدعلی .،حسن پور‌کاشانی ،امین .،مقایسه عملکرد شبکه های عصبی MLPوELMANبا‌نوع جدید‌مدل رگرسیون در‌پیش بینی سیل حوضه های فاقد‌آمار.، چهارمین کنگره ملی مهندسی عمران ،دانشگاه تهران ،اردیبهشت ١٣٨٧
٣-قربانی،محمدعلی.،فرسادی‌زاده ،داوود.،جهان گیری،حسن .،چابک پور،جعفر.،فتحی،پیمان .،نرم افزارهای مهندسی‌عمران آب ،تألیف انتشارات نوپردازان ،بهار١٣٨٧.
٤-کوهیان ،فرشاد.،موسوی ،جمشید.،صدقی ،حسین .،پرهمت ،جهان‌گیر.،پیش بینی زمان واقعی سیل با استفاده از‌شبکه های عصبی ترکیبی ،مجله هیدرولیک ،تهران ،بهار١٣٨٧
٥-کیا،مصطفی .،شبکه های عصبی درMATLAB،انتشارات کیان رایانه سبز.،چاپ سوم ،بهار١٣٨٩
٦-مارتین هاگان .،هاوارد‌دیموث .،مارک‌بیل .،طراحی شبکه های عصبی .،ترجمه مصطفی کیا،انتشارات کیان رایانه سبز.،چاپ اول ١٣٨٨
٧-منهاج ،محمد‌باقر.،مبانی‌شبکه های‌عصبی‌هوش مصنوعی،انتشارات دانشگاه صنعتی‌امیر‌کبیر(پلی‌تکنیک تهران )،چاپ چهارم ،پاییز١٣٨٦.
٨-ولایتی،سعدالله .،یزدانی،حشمت الله .،جهانیان ،اکبر.،اطیابی،ضیاء.،صیفی،محمدعلی.،گزارش آماری‌دشت نیشابور،وزارت نیرو،شرکت آب منطقه ای‌خراسان ،امور‌مطالعات منابع آب ،١٣٦٦.
٩-حسینی،سیدعلی.،اسحاقیان ،کاظم .،سعیدی،حمید.،مطالعات هیدرولوژی‌دشت نیشابور‌و‌جلگه رخ ،جلد دوم ،امور‌مطالعات منابع آب خراسان ،آذر٦٨.
١٠-گزارش مطالعات پایه بند‌انحرافی‌اریه نیشابور،مهندسین مشاور‌سازآب شرق ،بهمن ,٨٨
١١-گزارش بهنگام سازی‌تلفیق مطالعات منابع آب حوضه آبریز‌قره قوم ،جلدهای‌دوم و‌سوم ،مهندسین مشاور آبنمود‌توس ،١٣٧٩.
168
English refrences:
1- Abrahart, R.J. and See, L. (2000). ―Comparing neural network and autoregressive
moving average techniques for the provision of continuous river flow forecasts in two
contrasting catchments‖. J. Hydro Process., 14, pp. 2157—2172.
2- Anctil , F., Luzon, N.. 2004. Generalisation for neural networks through data
sampling and training procedures, with applications to stream flow predictions.
Hydrology and Earth System Sciences 8 (5), 940—958.
3- Berz, G. (2000). ―Flood disaster: Lessons from the past-worries for the future‖.
Water and Maritime Engineering, 2000, 142(1), pp.1-10
4- Bowden, G.J.. Maier. H.R.. Dandy, G.C., 2002. Optimal division of data for neural
network models in water resources applications. Water Resources Research 38 (2), 2-1-
2-11.
5- Burke, L.Il., Ignizio, J.P., 1992. Neural networks and operations research: an
overview. Computer and Operations Research 19 (3-4), 179—189.
6- Calvo, B., Petaccia, A., Savi, F., 2007. Simulazione Della piena di fine. November
2005 lungo il medio-basso Tevere. Acqua 4. 31 —42.
7- Calvo, B., Savi, F., 2009. Real-time flood forecasting of the Tiber River in Rome.
Natural Hazards 50(3), 461—477.
8- Corradini. C., Morbidelli, R.. Saltalippi. C., Melone, F.. 2004. Flood forecasting and
infiltration modelling. Hydrological Sciences Journal 49 (2), 227—236.
9- Cunge, J.,Holly,F.M.,Verwey,A.,1980.Practical Aspects of Computational River
Hydraulics.Pittman Publ.,Boston.
10- Dawson, C.W., Abrahart, R.J., Shamseldin, A.Y. and Wilby, R.L. (2006) Flood
estimation at ungauged sites using artificial neural networks. Journal of Hydrology,
319(2006), 391-409.
11- Govindaraju, R.S. (2000) Artificial neural networks in hydrology.II: hydrologic
applications. Journal of Hydrologic Engineering, 5(2), 124-137.
12- Dawson, C.W.. Abrahart, R.J., Shamseldin, A.Y., Wilby, R.L, 2006. Flood estimation
at ungauged sites using artificial neural networks. Journal of Hydrology 319 (1-4), 391-
409.
13- Dawson. C.W., Abrahart, R.j., See. L.M.. 2007. Hydro Test: a-Dawson, C. W.,
Abrahart, R. J.,See,L.M.,2007.HydroTest:a web-based toolbox of evaluation metrics for
the standardized assessment of hydrological forecasts.Environmental
Modelling&Software 22(7),1034-1052
14- De Carlo, E.H., Anthony, S.S., 2002. Spatial and temporal variability of trace
element concentrations in an urban subtropical watershed, Honolulu, Hawaii. Applied
Geochemistry 17,475-492.
15- Ray, C., Klindworth, K.K., 2000. Neural networks for agrichemical vulnerability
assessment of rural private wells. Journal of Hydrologic Engineering 5(2),162—171.
16- Sahoo, G.B., Ray, C., 2006. Flow forecasting for a Hawaii stream using rating
curves and neural networks. Journal of Hydrology 317, 63—80.
17- Demuth, H. and Beale, M. (2005) Neural Network Toolbox User‘s Guide. Version 4,
The Math Works Inc.
18- Haykin,S.,2008.Neural Networks and Learning Machines,third ed. Prentice
Hall,Upper Saddle River,New Jersey,USA.
19- Haykin. S.S., 1999. Neural Networks. A Comprehensive Foundation. Prentice Hall,
Hamilton, Ontario, Canada.
169
20- Maier, H.R., Dandy, G.C., 2000. Neural networks for the prediction and forecasting
of water resources variables: a review of modeling issues and applications.
Environmental Modeling and Software 15(1). 101—124.
21- Jacobs , R.A. , Jordan, M.I. ., Nwolan, S.J. and Hinton, G.E. (1991). ―Adaptive
mixtures of local experts‖. Neural Comput.,3, pp.79—87.
22- Jain, A. and Srinivasulu, S. (2005). ―Integrated approach to model decomposed
flow hydrograph using artificial neural network and conceptual techniques‖. J.
Hydrol., xx, pp. 1-16.
23- Jacobs , R.A. and Jordan, MI. (1993). ―Learning piecewise control strategies in a
modular neural network architecture‖ .IEEE Trans. Syst.Man Cybern.,23(2),pp.337-
345.
24- Jain, S. K., Das, A. and Sirvastava, D.K. (1999). Application of Inflow Prediction
and Operation. Journal of Water resources Planning and Management, 125: 263-271
25- Jordan, M.I. and Jacobs, R.A. (1994). ―Hierarchical mixture of experts and the EM
algorithm‖. Neural Comput.,6,pp.181—214.
26- Pal, N.R., Pal, S., Das, J. and Majumdar, K. (2003). ―SOFM-MLP: a hybrid neural
network for atmospheric temperature prediction‖. IEEE transactions on geosciences
and remote sensing, 41(12), pp. 2783- 2791.
27- Kitanidis,P.K.,Bras,R.L.,1980.Real-time forecasting with a conceptual hydrologic
model:2.Application and results.Water Resources Research 16(6),1034-1044
28- Li, H. L., Li, L. C.. & Yan,J. F. (1979). Hydrological forecast (10—13 pp.). Beijing:
China Waterpower Press.
29- Maier, H.R., Dandy, G.C., 2001. Neural network based modelling of environmental
variables: a systematic approach. Mathematical and Computer Modelling 33 (6-7),
669—682.
30- Maier,R.H.,Dandy,G.C.,1998a.The effect of internal parameters and geometry on
the performance of back-propagation neural networks:an empirical study.
Environmental Modelling&Software13,193-209
31- Maier,R.H.,Dandy,G.C.,1998b.Understanding the behaviour and optimising the
performance of back-propagation neural networks:an empirical study.Environmental
Modelling&Software13,179-191
32- Natale, L.,Savi, F.,2004.Analisi Monte Carlo degli scenari di inondazioni di
Roma,Giornata di Studi su Grandi bacini idrografici. Atti dei Convegni Lincei,
198,Accademia Nazionale dei Lincei, Roma, pp.137-204
33- Natale, L.,Savi, F.,2007.Monte Carlo analysis of inundation of Rome.
Environmental Modelling and Software 22(10),1409-1416
34- Sahoo, G.B., Ray, C., Wade, H.F., 2005a. Pesticide prediction in ground water in
North Carolina domestic wells using artificial neural network. Journal of Ecological
Modeling 183, 29—46.
35- Sahoo, G.B., Ray, C., Wang, J.Z., Hubbs, S.A., Song, R., Jasperse, J., Seymour, D.,
2005b. Use of artificial neural network to evaluate the effectiveness of riverbank
filtration. Water Research 39, 2505—251 6.
36- Schalkoff, R.,1997. Artificial Neural Networks.McGraw-Hill.
37- See, L. and Openshaw, S. (1999). ―Applying soft computing approaches to river
level forecasting‖. Hydrol. Sci. J., 44 (5), pp. 763—778.
38- Shamseldin, A. Y.(1997).‖Application of a neural network technique to rainfall-
runoff modeling‖.J.Hydrol.,199,pp.272-294.
39- Shu, C., and Bum, D. H. (2004). ―Artificial neural network ensembles and their
application in pooled flood frequency analysis‖. Water Resour. Res., vol. 40, W09301,
pp. 1-10.
40- SolomAtiNe, D. P. and Xue, Y. (2004) ―M5 model trees and neural networks:
application to flood forecasting in the upper reach of the Huai river in China. J.
Hydrologic Engrg., 9(6),pp. 491-501.
41- Soil Conservation Service(SCS),1985.National Engineering Handbook,Section4-
Hydrology.Water Resources Publication, Littleton,Colorado.
42- Tang, Z., De Almeida, C., Fish Wisk, P.A., 1991. Time series forecasting using
neural networks vs Box -Jenkins methodology. Simulation 57 (5), 303 —310.
43- Tomlinson, M.S., De Carlo, E.H., 2003. The need for high resolution time series
data to characterize Hawaiian Streams. Journal of the American Water Resources
Association 39 (1), 113 — 123.
44- Wang, W., Van Gelder, P. H.A.J.M., Vrijling, J.K. and Ma, J. (2005). ―Forecasting
daily streamflow using hybrid ANN models‖. J. Hydrol., 324, PP. 383-399.
45- web-based toolbox of evaluation metrics for the standardised assessment of
hydrological forecasts. Environmental Modelling and Software 22 (7), 1034—1052.
46- Xing, L., Shamseldin, A. Y. and O‘Connor, K. M. (2001). ―A non-linear
combination of the forecasts of rainfall-runoff models by the first-order takagi-sugeno
fuzzy system‖. J. Hydrol., 245, pp.196-217.
47-Zhang, B. and Govindaraju, R.S. (2000). ―Prediction of watershed runoff using
Bayesian concepts and modular neural networks‖. Water Resour. Res., 36 (3), pp.
753—762.
48-Zaker Moshfegh, M.,Ghodsian, M., Montazer, Gh, River Flow Forecasting Using
Artificial Neural Networks; International Conference On Hydraulics Of Dams & River
Structures (HDRS), 26-28 April 2004