پیش بینی تراز آب دریاچه ارومیه با استفاده از روش های سری زمانی، شبکه عصبی مصنوعی و شبکه عصبی- موجکی

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 132

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WATER-6-4_005

تاریخ نمایه سازی: 3 اسفند 1400

چکیده مقاله:

دریاچه ارومیه دومین دریاچه شور جهان است و با توجه به معیارهای اجتماعی- اقتصادی و زیست محیطی نقش مهمی در منطقه شمال­غرب ایران دارد که در سالهای اخیر با مشکلاتی مواجه شده است و به دلیل خشکسالی، استفاده بیش از حد آب­های سطحی و ساخت سدها تراز سطح آب آن کاهش یافته است. یکی از فاکتورهای مهم که در مدیریت صحیح در هر زمینه­ای، تاثیر دارد، داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه است به همین دلیل شبیه­سازی و سپس پیش­بینی متغیرهای هیدرولوژیکی از اهمیت ویژه­ای برخوردار است. بنابراین در پژوهش حاضر به مقایسه سه روش پیش­بینی سری زمانی آریما، شبکه عصبی مصنوعی و شبکه عصبی- موجکی جهت ارائه بهترین روش پیش­بینی تراز سطح آب دریاچه ارومیه در مقیاس ماهانه پرداخته شده است. نتایج حاصل با توجه به معیار ضریب تبیین و جذر میانگین مربعات خطا مقایسه شد که نشان­دهنده عملکرد بهتر شبکه عصبی- موجکی در مقایسه با دو روش سری زمانی آریما و شبکه عصبی مصنوعی، به دلیل لحاظ نمودن تغییرات ماهانه، فصلی و سالانه در قالب تجزیه سری­های زمانی می­باشد.

کلیدواژه ها:

تراز سطح آب دریاچه ارومیه ، سری زمانی ، شبکه عصبی مصنوعی ، شبکه عصبی- موجکی

نویسندگان

مهدی کماسی

استادیار گروه عمران دانشگاه آیت الله العظمی بروجردی (ره).

حامد نوذری

استادیار گروه علوم و مهندسی آب دانشگاه بوعلی سینا همدان

ندا قشلاقی

دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه بوعلی سینا همدان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • حسن­زاده، ی.، ا . عبدی کردانی و ا. فاخری فرد. ...
  • رسولی، ع. ا و ش. عباسیان. ۱۳۸۸. تحلیل مقدماتی سری­های ...
  • غفاری، غ و م. وفاخواه. ۱۳۹۲. شبیه­سازی فرایند بارش- رواناب ...
  • قدم پور، ز و م. شقاقیان.۱۳۹۰. مقایسه مدل­های کلاسیک سری ...
  • کارآموز، م و ش. عراقی نژاد. ۱۳۸۹. هیدرولوژی پیشرفته. چاپ ...
  • محتشم، م.، ا. دهقانی، ا. اکبرپور، م. مفتاح هلقی و ...
  • ملکی نژاد، ح و ر. پورشرعیانی. ۱۳۹۲. کاربرد و مقایسه ...
  • نخعی، م و ا. صابری نصر. ۱۳۹۱. پیش­بینی نوسانات سطح ...
  • نوری، م. و م. ب. رهنما. ۱۳۸۵. مدل بارندگی- رواناب ...
  • نیک منش، م. ر. و ن. طالب بیدختی. ۱۳۹۱. مقایسه ...
  • Box G. E. P. and G. M. Jenkins. ۱۹۷۶. Time ...
  • Cannas, B., A. Fanni, L. See and G. Sias. ۲۰۰۶. ...
  • Ghil, M., M. R. Allen, M. D. Dettinger, K. Ide, ...
  • Güldal, V. and H. Tongal ۲۰۱۰. Comparison of Recurrent Neural ...
  • Khatibi, R., M. A. Ghorbani, L. Naghipour, V. Jothiprakash, T. ...
  • Nourani, V., M. Komasi and A. Mano. ۲۰۰۹. A multivariate ...
  • Nourani, V., M. Komasi, M. T. Alami. ۲۰۱۲. Hybrid Wavelet–Genetic ...
  • Nourani, V. and M. Komasi. ۲۰۱۳. A geomorphology-based ANFIS model ...
  • نمایش کامل مراجع