فایل ورد کامل تحقیق معیارهای کمی و کیفی ارزیابی بارش و خشکسالی و استفاده از شاخص SPI و بکارگیری سیستم استنتاج فازی در علوم مرتبط با مهندسی آب ۴۳ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل تحقیق معیارهای کمی و کیفی ارزیابی بارش و خشکسالی و استفاده از شاخص SPI و بکارگیری سیستم استنتاج فازی در علوم مرتبط با مهندسی آب ۴۳ صفحه در word دارای ۴۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل تحقیق معیارهای کمی و کیفی ارزیابی بارش و خشکسالی و استفاده از شاخص SPI و بکارگیری سیستم استنتاج فازی در علوم مرتبط با مهندسی آب ۴۳ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل تحقیق معیارهای کمی و کیفی ارزیابی بارش و خشکسالی و استفاده از شاخص SPI و بکارگیری سیستم استنتاج فازی در علوم مرتبط با مهندسی آب ۴۳ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل تحقیق معیارهای کمی و کیفی ارزیابی بارش و خشکسالی و استفاده از شاخص SPI و بکارگیری سیستم استنتاج فازی در علوم مرتبط با مهندسی آب ۴۳ صفحه در word :

بخشی از فهرست مطالب فایل ورد کامل تحقیق معیارهای کمی و کیفی ارزیابی بارش و خشکسالی و استفاده از شاخص SPI و بکارگیری سیستم استنتاج فازی در علوم مرتبط با مهندسی آب ۴۳ صفحه در word

۱-۱ مقدمه    
۲- ۳ مروری بر تاریخچه استفاده از سیستم استنتاج فازی (FIS) در ادبیات فنی    
۲- ۴ مروری بر تاریخچه استفاده از شاخص استاندارد شده بارش در ادبیات فنی    
۲- ۵  معیارهای کمی و کیفی ارزیابی بارش و خشکسالی    
۲-۶   نمایه استاندارد شده بارش     
۲-۷  بررسی ارتباط آماری تغییرات متغیرهای جوی و SPI    
۲- ۸ تئوری مجموعه های فازی    
۲-۸-۱ مقایسه مجموعه های کلاسیک و فازی    
۲-۸-۲ مبانی کلی و ریاضیات منطق فازی    
۲-۸-۲-۱ تابع عضویت :    
۲-۸-۲-۲ انواع توابع عضویت:    
۲-۸-۲-۳ عملیات ریاضی در مجموعه های فازی    
۲-۸-۳ روابط فازی    
۲-۸-۴ قواعد فازی IF-THEN    
۲-۸-۵ روشهای غیر فازی ساز    
۲-۸-۵-۱ روش های تبدیل یک کمیت فازی به کمیت کلاسیک    
۲-۹   سیستم استنتاج فازی    
۲-۹-۲ مراحل  ساخت FIS    
مراجع    

بخشی از منابع و مراجع فایل ورد کامل تحقیق معیارهای کمی و کیفی ارزیابی بارش و خشکسالی و استفاده از شاخص SPI و بکارگیری سیستم استنتاج فازی در علوم مرتبط با مهندسی آب ۴۳ صفحه در word

Mahmut, F, Mahmud, G, (2007), ” River flow estimation using adaptive neuro fuzzy inference system “. Mathematics and Computers in Simulation  ۷۵ , pp. 87-

Manatsa, D., Mukwada, G., Siziba, E,. Chinyanganya, T., 2009. ” Analysis of multidimensional aspects of agricultural droughts in Zimbabwe using the Standardized Precipitation Index (SPI).” Theoretical and Applied Climatology, DIO 10.1007/s00704-010-0262-

Mehmet Ali, Y, Mahmut, F , (2009), ” Adaptive neuro fuzzy inference system approach for municipal water consumption modeling: An application to Izmir, Turkey”. Journal of Hydrology Vol.365 , pp. 225-

Aurélio, A, Carlos Roberto, D, (2008), ” Application of fuzzy logic to the evaluation of runoff in a tropical watershed”. Environmental Modelling & Software Vol.23 , pp. 244-

Loukas A., Vasiliades L., 2004. Probabilistic Analysis of Drought Spatiotemporal Characteristics in Thessaly Region, Greece. Natural Hazards and Earth System Sciences, No. 4, pp. 719-

Ozgur, K, Tefaruk, H, Mehmet ,A and Ozgur, O , (2009), ” Adaptive neuro-fuzzy computing technique for suspended sediment estimation “. Advances in Engineering Software,Vol.40 , pp. 438-

Zacharia, K, John, N , (2009), “A fuzzy inference system for modelling streamflow: Case of Letaba River, South Africa”. Physics and Chemistry of the Earth, Parts A/B/C,Vol.34 , pp. 688-

Labedzki L., Bak B., 2005. Drought Mapping in Poland Using SPI. ICID Probabilistic Analysis of Drought Spatiotemporal Characteristics in Thessaly 21st European Regional Conference

Mishra, A.K., Desai, V.R., 2006. Drought forecasting using feed-forward recursive neural network. Ecol. Modell. 198, 127–

Sudheer, K. P., Gosain, A. K., & Ramasastri, K. S. (2002). A data driven algorithm for constructing artificial neural network rainfall-runoff models. Hydrological Process, Vol. 16, pp. 1325-

Bonaccorso B., Bordi I, Cancelliere A., Rossi G., and Sutera A, Paulo, 2003. Spatial Variability of Drought: An Analysis of the SPI in Sicily. Water Resour. Manage., No 17, pp. 273-

Bowden, G. J., Dandy G. C., & Maier, H. R. (2005b). Input determination for neural network models in water resources applications, Part 2. Case study: forecasting salinity in a river. Journal of Hydrology, Vol. 301, pp. 93–

 ۱-۱ مقدمه

 یکی از مهم ترین چالش‌هایی که سیستم مدیریت منابع آب کشور در دهه اخیر با آن مواجه بوده است، تعدد و شدت قابل ملاحظه خشکسالی های بوقوع پیوسته بوده است. عدم وجود یک سامانه پیش بینی و هشداررسانی دوره های پربارش و کم بارش، مشکلات مواجهه با این شرایط حدی هیدرولوژیکی را دوچندان نموده است

افزایش فراوانی و شدت خشکسالی‌ها ناشی از تغییر الگوی بارش وتبخیر وتعرق می‌تواند یکی از پیامد های تغییر آب وهوا بر چرخه سالانه هیدرولوژیکی باشد بطوریکه افزایش دما در زمستان باعث جلو افتادن پدیده ذوب برف و در نتیجه تغییر زمان وقوع رواناب بیشینه در فصل بهار و کاهش رواناب در تابستان شود. بر اساس تحقیقات انجام شده, گرمایش پیش‌آمده، روند افزایشی دارد و بنظر می‌رسد که همراه با تغییرات در وضعیت‌های حدی جوی باشد. از طرف دیگر وقوع خشکسالی‌های شدید در بسیاری از استانهای کشور در سالهای اخیر روند افزایشی داشته است بطوریکه در سالهای اخیر وقوع خشکسالی در مقایسه با گذشته خسارات بیشتری را به تاسیسات زیر بنایی وارد آورده است. افزایش یا کاهش بارش و یا تغییر قابل ملاحظه در رخداد موارد حدی که منجر به بروز سیل یا خشکسالی می‌شود مسلماً می‌تواند تاثیر بسزایی در برنامه‌ریزی‌های کلان کشورها داشته باشد

تغییر در الگوی بارش و تغییرات زمانی وتوزیع فصلی بارش تاثیرات اقتصادی واجتماعی زیادی بر کشور ما که عمدتا دارای اقلیم خشک ونیمه خشک است, دارد. مطالعه و بررسی تغییرات آب و هوایی و شناخت رفتار متغیرهای مختلف هواشناسی مثل بارش، دمای هوا و فشار بخصوص در مناطقی که با تنوع آب و هوایی گوناگون و وقوع دوره های خشک و تر شدید مواجه هستند، اهمیت زیادی دارد. بحث پیش بینی متغیرهای مختلف هواشناسی  بویژه در کشورهایی که تاحدی با خشکسالی مواجه هستند و یا در آستانه خشکسالی قرار دارند بسیار مهم و حائز اهمیت است. از طرف دیگر در مناطقی که دارای ترسالی های متعدد و شرایط سیلابی نیز هستند این پیش بینی ها مفید و دارای ارزش خاصی خواهد بود.  یکی از مهمترین اطلاعات مورد نیاز برای برنامه ریزی و مدیریت منابع آبی، شناخت رفتار متغیرهای آب و هوایی جهت پیش بینی کوتاه مدت یا دراز مدت متغیرهای هیدرولوژیکی می باشد. در برخی موارد این
پیش بینی ها در باز ه های زمانی کوتاه مدت صورت می گیرد که به نوبه خود برای تصمیم گیری های کوتاه مدت مورد استفاده قرار می گیرند. اما گاهی این پیش بینی ها در بازه های زمانی دراز مدت مانند ماهانه و یا فصلی صورت می گیرند که اهمیت زیادی برای برنامه ریزی های فصلی و سالانه مدیریت منابع آب در بسیاری از حوزه های آبریز کشور که متکی به منابع آب سطحی هستند، دارد

در این مقاله کوشش می شود تا در ابتدا  تاریخچه مختصری از سیستم های استنتاج فازی بیان شده و در ادامه  به تشریح و بیان سابقه مطالعا ت در دو بخش مجزا پرداخته می شود. بخش اول شامل مطالعات صورت گرفته درخصوص استفاده از سیستم فازی در علوم مرتبط با مهندسی آب، بخش دوم مروری بر تاریخچه استفاده از شاخص استاندارد شده بارش در ادبیات فنی است. و در ادامه معیارهای کمی و کیفی ارزیابی شدت خشکسالی ارائه شده است. لازم بذکراست ، شاخص SPI به علت سادگی محاسبات، استفاده از داده های قابل دسترس بارندگی و  قابلیت محاسبه برای هر مقیاس زمانی دلخواه،  بعنوان مناسب ترین شاخص برای تحلیل خشکسالی هواشناسی انتخاب شده است

در ادامه، به بررسی ارتباط آماری تغییرات متغیرهای جوی و SPI و نحوه  انتخاب مولفه های مناسب جوی به منظور پیش بینی میزان شاخص استاندارد شده بارش در هر حوضه پرداخته می شود. در انتهای این  مقاله شرح  مختصری از مبانی روش فازی شامل  توابع عضویت، عملگرها، قواعد اگر – آنگاه ، فازی سازی و غیرفازی  و روشهای آن  و مقایسه با  منطق کلاسیک ارائه گردیده است

۲- ۲  تاریخچه مختصری از منطق فازی

منطق فازی یا Fuzzy Logic  برای اولین بار در سال  ۱۹۶۰  توسط دکتر لطفی زاده، استاد علوم کامپیوتری دانشگاه برکلی کالیفرنیا (Berkeley)، ابداع شد. مقاله کلاسیک پرفسور لطفی زاده درباره مجموعه فازی که در سال  ۱۹۶۵  به چاپ رسید، سرآغاز جهتی نوین در علوم و مهندسی سیستم و کامپیوتر بود. پس از آن پرفسور لطفی زاده به پژوهشهای خود در زمینه مجموعه فازی ادامه داد تا آنکه در سال  ۱۹۷۳  طی یک مقاله کلاسیک دیگر تحت عنوان “شرحی بر دیدی نو در تجزیه و تحلیل سیستمهای پیچیده و فرایندهای تصمیم گیری” مفهوم استفاده از متغیرهای زبانی را در سیستم های حافظه و کنترل مطرح کرد. این مقاله اساس فن آوری  کنترل بر مبنای منطق فازی است که در آینده اثرات عمیق در طراحی سیستم های کنترل هوشیار خواهد داشت. گرچه منطق فازی کاربردی خیلی وسیع تر از منطق متداول دارد ولی پرفسور لطفی زاده معتقد است که منطق فازی اکسیر و نوشدارو نیست. وی میگوید “کارهای زیادی هست که انسان میتواند به آسانی انجام دهد در حالی که کامپیوترها و سیستمهای منطقی قدرت فازی یک فرا مجموعه از منطق بولی است که بر مفهوم درستی نسبی، دلالت می کند. منطق کلاسیک هر چیزی را بر اساس یک سیستم دوتائی نشان می دهد ( درست یا غلط، ۰  یا  ۱، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می دهد. مثلاً اگر رنگ سیاه را عدد صفر و رنگ سفید را با عدد یک نشان دهیم، آن گاه رنگ خاکستری عددی نزدیک به صفر خواهد بود

منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریب‌ها را دقیق‌تر کرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. در منطق ارسطویی، یک دسته‌بندی درست و نادرست وجود دارد. تمام گزاره‌ها درست یا نادرست هستند. بنابراین جمله «هوا سرد است»، در مدل ارسطویی اساساً یک گزاره نمی‌باشد، چرا که مقدار سرد بودن برای افراد مختلف متفاوت است و این جمله اساساً همیشه درست یا همیشه نادرست نیست. در منطق فازی، جملاتی هستند که مقداری درست و مقداری نادرست هستند. برای مثال، جمله “هوا سرد است” یک گزاره منطقی فازی می‌باشد که درستی آن گاهی کم و گاهی زیاد است

در سال ۱۹۷۴ ابراهیم ممدانی از دانشگاه لندن برای نخستین بار منطق فازی را در زمینه کنترل یک موتور بخار ساده بکار گرفت. با این کار اولین کاربرد صنعتی منطق فازی به منصه ظهور رسید. در سال ۱۹۸۴ میلادی اسمیت[۱] از دانمارک برای نخستین بار از منطق فازی برای کنترل کوره سیمان استفاده کرد.  در دهه ۱۹۸۰ میلادی، مؤسسه فوجی الکتریک منطق فازی را برای کنترل فرآیند تصفیه آب بکار گرفت. متعاقب آن شرکت هیتاچی ژاپن یک سیستم کنترل خودکار قطار را بر مبنای منطق فازی توسعه داد. شایان ذکر است که در اوایل دهه ۱۹۹۰ میلادی ژاپنی ها در زمینه کاربرد منطق فازی پیشتاز بودند. در اوایل دهه ۱۹۹۰ میلادی، منطق فازی در ساخت محصولات الکتریکی خانگی به کار گرفته شد و عموم نیز در مورد سیستم های فازی آگاهی یافتند.  امروزه منطق فازی جایگاه ویژهای در صنایع مختلف پیدا کرده و شاهد توسعه روز افزون این منطق در زندگی روزمره می باشیم

[۱]– Smit