ارزیابی و مقایسه روش شبکه عصبی مصنوعی و نرم افزارHEC-HMS در شبیه سازی آبنمود بارش- رواناب در حوضه آبخیز معرف کسیلیان
عنوان مقاله: ارزیابی و مقایسه روش شبکه عصبی مصنوعی و نرم افزارHEC-HMS در شبیه سازی آبنمود بارش- رواناب در حوضه آبخیز معرف کسیلیان
شناسه ملی مقاله: JR_WEJMI-10-35_006
منتشر شده در در سال 1396
شناسه ملی مقاله: JR_WEJMI-10-35_006
منتشر شده در در سال 1396
مشخصات نویسندگان مقاله:
فرشید صف شکن - دانشگاه آزاد اسلامی، واحد داریون، باشگاه پژوهشگران جوان و نخبگان، داریون، ایران.
نادر پیرمرادیان - استادیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه گیلان، رشت
رضا افشین شریفان - گروه سازه های آبی، واحد شیراز،دانشگاه آزاد اسلامی،شیراز، ایران
خلاصه مقاله:
فرشید صف شکن - دانشگاه آزاد اسلامی، واحد داریون، باشگاه پژوهشگران جوان و نخبگان، داریون، ایران.
نادر پیرمرادیان - استادیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه گیلان، رشت
رضا افشین شریفان - گروه سازه های آبی، واحد شیراز،دانشگاه آزاد اسلامی،شیراز، ایران
فرایند بارش- رواناب یک پدیدهی کاملا" پیچیده و غیرخطی در آبشناسی و منابع آب میباشد. در سالهای اخیر، شبکه های عصبی مصنوعی کاربرد گستردهای را در شبیهسازی روابط غیرخطی و پیچیده مانند رابطهی بارش-رواناب پیدا کرده است. دراین تحقیق، به منظور شبیهسازی آبنمود بارش-رواناب در حوضهی آبخیز معرف کسیلیان از روش شبکهی عصبی مصنوعی (با ساختار۷-۱۰-۹) و نرمافزار HEC-HMS استفاده گردید. به منظور آموزش بهتر نرم افزار شبکهی عصبی مصنوعی داده های بارندگی بر اساس الگوی زمانی، مطابق با توزیع بارندگی هاف، به چهار گروه تقسیم شدند. بهطورکلی نتایج این تحقیق نشان دادند که محدودهی قدرمطلق درصد خطای نسبی فراسنجهای QP، TP، Tb، ۷۵w،۵۰w، ۵۰T و ۷۵T شبیه سازی شده به وسیلهی شبکه عصبی به ترتیب ۹۷/۵۱-۰۲/۰، ۲۳/۴۱- ۵۵/۰، ۰۷/۵۴- ۲۶/۰، ۶۲/۲۰۲- ۲۳/۰، ۸۸/۶۹- ۵۲/۰، ۰۷/۸۲- ۲۱/۲ و ۷۶/۵۷- ۴۲/۲ می باشند، در حالیکه با شبیه سازی به وسیلهی نرمافزار HEC-HMS این حدود به ترتیب ۵۳/۷۵۶- ۵۸/۰، ۲۵۰-۰، ۱۸/۱۴۱-۰، ۵۷۵-۸۴/۲، ۸۶/۱۶۷-۹۳/۰، ۳۵۰-۳۳/۳ و ۶۷/۲۶۶-۲ محاسبه شدهاند. با توجه به درصد خطای نسبی مربوط به فراسنجهای خروجی هر واقعه می توان نتیجه گرفت که شبکهی عصبی در اکثر موارد تمامی فراسنجها و شکل کلی آبنمود را بهخوبی و با خطای ناچیزی نسبت به نرم افزار HEC-HMS شبیه سازی نموده است، البته در بعضی موارد، نرم افزار HEC- HMS توانسته است که شبیه سازی بده اوج آبنمود، زمان پایه و شکل کلی آن را به خوبی، یا به ندرت دقیقتر از شبکهی عصبی انجام دهد.
کلمات کلیدی: آبنمود بارش- رواناب, شبکه ی عصبی مصنوعی, مدل HEC-HMS
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1912308/