نحوه استنتاج و استخراج خروجی از روی ورودی­ ها و قواعد پایگاه دانش در این قسمت تعیین می­ شود. معمولاً برای استنتاج فازی در کاربردهای کنترلی از روش ماکزیمم-مینیمم و یا تولید ماکزیمم استفاده می­ شود که جهت کاربردهای زمان حقیقی، دقت و کارایی لازم را دارد و از نظر پیاده­سازی نیز سادگی لازم را داشته و مانع پیچیده و زمان­بر شدن الگوریتم­ها می­شوند. پس از استنتاج، نتیجه حاصل یک کمیت فازی است که باید روی آن پردازش نهایی صورت گیرد تا به صورت غیر فازی تبدیل شود.

۴- واحد فازی زدایی^[۴۲]
نتیجه استنتاج از سامانه در واحد استنتاج یک کمیت فازی است که به تنهایی قابل استفاده برای اعمال به سامانه تحت کنترل نمی ­باشد. وظیفه تبدیل کمیت فازی خروجی به یک کمیت غیر فازی بر عهده قسمت فازی زدا است. برای این کار روش­های متعددی وجود دارد که معمولاً در کارهای کنترلی، بیشتر از روش­ مرکز جرم^[۴۳]، روش متوسط بیشینه^[۴۴]­ و روش آستانه^[۴۵] استفاده می­ شود.

• • • • 1. 1. سامانه­ عصبی- فازی‌

         

         

     

     

برای بهبود عملکرد سامانه کنترل و با توجه به توانایی انسان در برخورد و مواجهه با سامانه­ها پیچیده، محققین به مدل­سازی شیوه عملکرد انسان در حل سامانه­های پیچیده روی آورده­اند. تحقیقات در این زمینه ابتدا در دو زمینه کاملاً، مجزا آغاز شد و منجر به ایجاد دو زمینه تحقیقاتی جدید شبکه ­های عصبی و سامانه­های فازی گردید. در شبکه ­های عصبی سعی بر الگوبرداری از نحوه عمل کرد سامانه اعصاب و مغز انسان شده است. این شیوه با تکیه بر قابلیت یادگیری و توانایی پردازش موازی در شبکه ­های عصبی قادر به حل مسائل پیچیده می­باشد. اما در عین حال شبکه ­های عصبی توانایی استنتاج ندارند. سامانه­های فازی بر پایه نحوه تصمیم ­گیری تقریبی انسان­ها بنا نهاده شده است. در این سامانه­ها، مدل‌سازی کمیت­ها به صورت کیفی و شهودی بوده و به این ترتیب به مقابله با نامعینی­ها می­پردازیم. از مزایای سامانه­های فازی، سادگی و قابلیت فهم و نیز توانایی استنتاج آن­ها می­باشد. اما متأسفانه این سامانه­ها دارای توانایی یادگیری نمی­باشند. با توجه به قابلیت ­های این دو روش، با ترکیب آن­ها می­توان توأماً از مزایای آن­ها بهره برد. ترکیب سامانه­های فازی و شبکه ­های عصبی منجر به ایجاد سامانه­های ترکیبی^[۴۶] عصبی- فازی شده که دارای قابلیت سامانه­های فازی و شبکه ­های عصبی می­باشد. کنترل کننده‌های عصبی- فازی علاوه بر داشتن قابلیت استنتاج فازی از پردازش موازی و قابلیت یادگیری شبکه ­های عصبی نیز بهره می­برند. لازم به ذکر است که با طراحی مناسب، کنترل کننده‌های عصبی- فازی می­توانند ساختاری ساده­تر از سامانه­های فازی یا شبکه ­های عصبی، از حیث داشتن تعداد قوانین فازی، تعداد لایه و تعداد نرون­ها داشته باشند. برای ترکیب منطق فازی با شبکه ­های عصبی، ۲ روش اصلی وجود دارد]۲۰-۲۱[:

1. 1. شبکه ­های عصبی را با سامانه­های فازی ترکیب کنیم یعنی از عملیات فازی و یا اعداد فازی در شبکه ­های عصبی استفاده کنیم که در این صورت قابلیت استنتاج فازی به شبکه ­های عصبی اضافه می­ شود.

1. 1. سامانه­های فازی را به صورت عصبی تحقق بخشیم. در این حالت یک سامانه فازی که دارای خواص شبکه ­های عصبی است را به دست می­آوریم. در این رویکرد علاوه بر قابلیت استنتاج فازی، سادگی و قابلیت تفسیر نیز به خواص شبکه ­های عصبی اضافه می­ شود و در صورت نیاز شخص خبره می ­تواند به راحتی تغییرات لازم را در ساختار و مشخصه­های سامانه ترکیبی اعمال نماید.

      1. 1. معرفی سد ستارخان و بررسی داده ­های ابزار دقیق آن

            1. 1. مقدمه

             

             

       

       

در این بخش توضیحاتی کلی در مورد مشخصات سد ستارخان ارائه شده است. همچنین توضیحاتی در مورد مشخصات زمین­ شناسی و ژئوتکنیکی و سایر جزئیات سد پرداخته شده است.

نمایی کلی از سد ستارخان (برگرفته از آرشیو آب­منطقه­ای استان آذربایجان شرقی)

• • • • 1. 1. موقعیت پروژه

         

         

     

     

سد مخزنی ستارخان واقع در استان آذربایجان­شرقی در در ۱۵ کیلومتری غرب شهرستان اهر و بر روی رودخانه ستارخان احداث شده است. رودخانه ستارخان از ارتفاعات واقع در شمال­غرب کشور در مرز ایران و ترکیه سرچشمه می گیرد و پس از عبور از شهر اهر و طی مسافتی در حدود ۵۰ کیلومتر به دریاچه ارومیه می_­ریزد. هدف از احداث سد ستارخان تأمین آب مورد نیاز شرب و صنعت شهر اهر و همچنین تأمین نیاز آب کشاورزی اراضی واقع در پایین دست سد ستارخان می­باشد. (گزارش سیمای سد ستارخان، ۱۳۷۷)

نقشه موقعیت سد ستارخان(برگرفته از آرشیو آب­منطقه­ای استان آذربایجان شرقی)