langtusitinh_boy002
New Member
Download miễn phí Đề tài Ứng dụng logic mờ để dự báo lượng nước theo mùa
PHÂN TÍCH ĐỘ NHẠY
Một phân tích độ nhạy được thực hiện với toán tử logic mờ AND , và với các phương pháp đan xen, tổ hợp và giải mờ. Các kết quả của việc thay đổi một phương pháp hay toán tử đơn trong khi việc ngừng mô hình được tổ chức cố định được so sánh với các kết quả từ mô hình đường biên giới. Các kết quả được đánh giá trên cơ sở ngôn ngữ chính xác.
Dựa trên việc phân tích độ nhạy này, cực tiểu toán tử AND và cực tiểu phương pháp đan xen được thiết lập để thực hiện tốt hơn phương pháp tích số. Điều này hỗ trợ việc sử dụng những toán tử với đầu vào dữ liệu độc lập (SWE, lượng tuyết rơi vào mùa xuân và mùa thu). Mô hình được thiết lập tương đối ít nhạy hơn phương pháp tổ hợp, trong đó cả hàm tổng, cực đại và các toán tử, đưa ra số ngôn ngữ phù hợp. Dựa trên điều này, hình dạng mô hình đầu tiên đựoc xây dựng: sử dụng cực tiểu toán tử AND; tích số với phương pháp đan xen; và cực đại với phương pháp tổ hợp. Các kết quả mô hình là nhạy nhất với phương pháp giải mờ. Phương pháp trọng tâm và phân đôi đưa ra các kết quả tốt hơn nhỏ nhất, trung vị và lớn nhất của các phương pháp cực đại.
So sánh với các mô hình hồi qui, hệ logic mờ hoàn hảo bao gồm hình dạng mô hình đường biên được hiệu chỉnh để sử dụng một trong hai phương pháp giải mờ tối ưu, biểu thị tên mô hình. Đặc biệt, các hệ logic mờ hoàn hảo thiết lập cho vùng trũng Lodge là hệ logic mờ trọng tâm hoàn hảo và hệ logic mờ phân đôi hoàn hảo.
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
ánh giá tương đối với các dự báo từ các kỹ thuật hồi qui mẫu hiện tại. Cuối cùng, khả năng thay đổi các nguyên tắc quản lý việc tan băng với vùng gần kề được đầu tư.XÁC ĐỊNH VẤN ĐỀ NGHIÊN CỨU
Cypress là một vùng ở góc phía Nam của Alberta, Canada. Lodge Creek (lưu vực sông 908 km2) và Middle Creek ( 305 km2) đều bắt nguồn từ Cypress. Nước từ những vùng trũng rút hết về phía Đông Nam, xuyên qua tỉnh Saskatchewan (Canada) vào sông Milk (USA), rồi trở lại dòng Mississippi và cuối cùng đổ vào vịnh Mexico. Cypress ở độ cao 350m phía trên vùng người da đỏ. Với lý do này, áp suất nước vùng trũng thay đổi đáng kể từ các vùng khô đặc trưng của người da đỏ thấp hơn một nửa so với những vùng trũng khác. Vài hồ chứa nước nhỏ đã được tạo ra ở Middle và Lodge Creeks để hỗ trợ nông nghiệp địa phương. Quản lý nước ở vùng là thiết yếu để đạt được sự thỏa thuận phân chia nước liên tỉnh giữa những tỉnh của Alberta và Sakatchewan, và sự thỏa thuận phân chia nước liên quốc gia giữa Mỹ và canada.
Để giúp đỡ các nhà quản lý nước địa phương phân phối nước, một bài báo cáo dự báo cung cấp nước được đưa ra vào tháng 3 hàng năm. Các dự báo cung cấp nước được thực hiện tại mỗi nhánh sông được xác định bởi các trạm đo tỷ trọng nước tương ứng của Canada. Nhánh sông Lodge nằm trên đường biên liên tỉnh (trạm 11AB082) phía Đông đường biên Alberta-Sakatchewan; Nhánh sông Lodge nằm trên đường biên liên tỉnh (trạm 11AB009) thuộc Alberta, phía Tây đường biên. Dự báo cung cấp nước được đưa ra cho những vùng xác định. Bắt đầu từ năm 1980, một thủ tục chuẩn được xây dựng để tính toán lưu lượng tự nhiên từ các vùng trũng của nhánh sông Middle và Lodge. Chi tiết của việc tính toán có sẵn trong sổ tay của người quản lý thỏa thuận phân chia (1995). Với mục đích của bài này, dữ liệu lưu lượng hợp pháp từ những tính toán phân chia liên tỉnh được sử dụng để xác định khối lượng phân chia theo mùa. Từ đó một phương pháp chuẩn tính toán lưu lượng tự nhiên được áp dụng vào năm 1980, lượng phân chia đã có được 21 năm.
Theo trước đây, 2 loại dữ liệu được dùng để dự báo nước cung cấp cho Cypress là: lượng tuyết rơi và tảng băng vào cuối đông. Tảng băng biểu thị cho lượng nước tiềm ẩn cho từng vùng trũng. Lượng tuyết rơi xuống cung cấp một chỉ số về tình trạng hơi ẩm trong đất trước đó tác động tới chu kỳ mùa đông, và lượng tuyết rơi vào mùa xuân được xem như một nguồn chủ yếu cho việc phát sinh ra nước tiềm ẩn.
Những vị trí của tất cả các trạm tập hợp dữ liệu được mô tả trong hình 1. Sáu quá trình diễn biến tuyết rơi được xác định là thay đổi theo độ cao trên vùng trung tâm của Cypress. Vào cuối tháng 2 hàng năm, nhân viên môi trường Alberta tiến hành khảo sát mức tuyết tại 6 vị trí xác định, với độ dày lớp tuyết được biết như là lượng nước tương đương (SWE). Trung bình số học của SWE từ 6 vị trí đó đưa ra một ước lượng đơn của SWE cho các vùng Middle và Lodge.
Lượng tuyết rơi được đo tại 3 vị trí xác định ở Cypress. Ngành khí tượng học Canada điều khiển một trạm khí tượng tự động ở Medicine Hat, khỏang 50 km về phía Tây Bắc Cypress, chẳng khác gì một trạm thời tiết được điều khiển bằng tay, Altawan, đặt tại phía Đông Cypress. Môi trường Alberta cũng có một trạm khí tượng tự động, Medicine lodge, đặt dọc theo mỏm núi rộng của Cypress, là hiện đại nhất trong các trạm (xây dựng năm 1985).
CÁC KỸ THUẬT DỰ BÁO HỒI QUI HIỆN TẠI
Hiện nay, các nhà dự báo dùng các kỹ thuật phân tích hồi qui, liên kết các dữ liệu khác nhau từ các vị trí. Vài mô hình hồi qui được xây dựng cho từng vị trí, và luôn sẵn sàng các dự báo từ các mô hình khác nhau để so sánh và một mức nước tiềm tàng được chọn khi dự báo. Quản lý nước được hoạch định dựa trên các khoảng giá trị đã dự báo và được hiệu chỉnh lại theo năm. Bời vậy, việc đoán bằng số tuyệt đối của các mô hình hồi qui không quan trọng bằng việc dự báo phù hợp một khoảng lượng nước tiềm ẩn.
Với nhánh sông Lodge, các kết quả của 3 mô hình hồi qui được xét đến trong việc thiết lập dự báo cung cấp nước:
Pha trộn hồi qui Lodge, dựa trên một giá trị khối lượng tuyết rơi vào mùa thu từ các trạm Medicine Hat và Medicine Lodge, và lượng hơi ẩm từ lượng tuyết rơi vào mùa xuân tại Medicine Lodge và SWE từ tảng băng.
Hồi qui Medicine Lodge, dựa trên lượng tuyết rơi vào mùa thu và mùa xuân tại trạm Medicine Lodge, và SWE của tảng băng.
Hồi qui Medicine Hat, dựa trên lượng tuyết rơi vào mùa thu và mùa xuân tại trạm Medicine Hat, và SWE của tảng băng.
Hai mô hình hồi qui đựoc xây dựng cho nhánh sông Middle:
Pha trộn hồi qui Middle, dựa trên khối lượng tuyết rơi vào mùa xuân và mùa thu từ Altawan và Medicine Lodge, liên kết với dữ liệu lượng nước tương ứng tảng băng.
Vùng trũng Middle-Medicine Lodge, được dựa trên dữ liệu lượng tuyết rơi vào mùa thu và mùa xuân từ trạm Medicine Lodge, và dữ liệu lượng nước tương ứng tảng băng.
Bốn trong 5 mô hình hồi qui tin vào dữ liệu lượng tuyết rơi từ Medicine Lodge, mà ở đó chỉ có dữ liệu 15 năm. Với 15 năm, các mô hình hồi quy chỉ có thể dự báo một cách định tính với độ tin cậy không chắc chắn. Định tính, sai số giữa các dự báo có được từ các mô hình hồi qui khác nhau cho mỗi vùng trũng hơn quá 40%. Điều này tạo nên mức tự tin thấp đối với các mô hình.
HỆ LOGIC MỜ HOÀN HẢO
Logic mờ có một thuận lợi vượt trội nhiều phương pháp thống kê khác, trong đó việc thực hiện một hệ mờ hoàn hảo không phụ thuộc vào khối lượng dữ liệu quá khứ đã có. Từ đó những hệ hoàn hảo đưa ra một kết quả dựa trên các nguyên tắc ngôn ngữ hợp lý, những điểm dữ liệu xa nhau trong một tập dữ liệu nhỏ không ảnh hưởng quá mức tới các mô hình. Bởi vì những đặc tính này, logic mờ có lẽ là một phương pháp thích hợp cho việc dự báo cung cấp nước hơn các kỹ thuật hồi qui hiện tại.
Việc thiết lập một hệ mờ hoàn hảo bao gồm 4 bước cơ bản sau:
Với mỗi biến, dù một biến đầu vào hay một biến kết quả, một tập hợp các hàm thành viên phải được xác định. Một hàm thành viên xác định mức độ mà giá trị của một biến thuộc nhóm và luôn luôn là một dạng ngôn ngữ, như là cao hay thấp.
Việc trình bày, hay là các luật, được xác định bằng cách liên kết các hàm thành viên của mỗi biến với kết quả, thường thông qua một chuỗi các mệnh đề NẾU – THÌ. Ví dụ, một luật sẽ được đưa ra: NẾU tảng băng (điều kiện) là thấp (dạng ngôn ngữ được diễn tả thông qua một hàm thành viên) THÌ lượng nước có được (kết quả) là thấp (dạng ngôn ngữ được diễn tả thông qua một hàm thành viên).
Các luật được đánh giá chính xác và các kết quả được liên kết. Mỗi luật được đánh giá thông qua một quá trình được gọi là đan xen, và những kết quả của tất cả các luật được liên kết trong một quá trình gọi là sự tổ hợp.
Hàm kết quả được đánh giá thông qua một quá trình gọi là giải mờ.
Các quyết định dựa trên quan điểm cá nhân thường được yêu cầu trong ...