برآورد رواناب حوضه آبریز فرحزاد با استفاده از مدلهای WetSpa و شبکه عصبی مصنوعی
محل انتشار: کنفرانس بین المللی پژوهش در علوم و تکنولوژی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 562
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CRSTCONF01_512
تاریخ نمایه سازی: 27 اسفند 1394
چکیده مقاله:
برآورد صحیح رواناب حوضه آبریز نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین از مدلهای مختلفی مانند مدلهای یکپارچه، توزیعی و روشهای هوشمند مصنوعی به منظور برآورد رواناب حوضه آبریز استفاده نمودند. بدین منظور درتحقیق حاضر برای برآورد آبدهی حوضه آبریز فرحزاد با مساحتی معادل با 118 کیلومتر مربع و متوسط بارش سالانه 72 / 306 میلیمتر از دو مدل توزیعی ) WetSpa ( و هوشمند )شبکه عصبی مصنوعی( استفاده گردید. برای اجرای مدل WetSpa از دو دسته اطلاعات شامل نقشههای رستری و اطلاعات هواشناسی و برای مدل شبکه عصبی مصنوعی تنها از اطلاعات هواشناسیاستفاده گردید. با انتخاب یک دوره آماری 5 ساله، حوضه بار اریه توسط هر دو مدل شبیهسازی گردید. برای مقایسه نتایج مدلهای مورد استفاده از پارامترهای آماری ضریب همبستگی ) 2R(، مجذور میانگین خطای استاندارد ) RMSE ( و میانگین قدر مطلق خطا ) MAE ( استفاده شد. نتایج بدست آمده نشان میدهد مدل WetSpa با 2R و RMSE برابر با 987 / 0 و/s3m317 / 0 و همچنین مدل شبکه عصبی مصنوعی با 2R و RMSE برابر با 959 / 0 و /s3m317 / 0 توانایی شبیهسازی جریان رودخانه فرحزاد را دارند. همچنین استفاده از مدل شبکه عصبی مصنوعی در مقایسه با مدل WetSpa موجب کاهش خطا به مقدار 6 / 11 درصد شده است.
کلیدواژه ها:
نویسندگان
نوید عبادی
دانشجوی دکترای زمین شناسی گرایش رسوب شناسی .دانشگاه آزاد اسلامی واحد تهران شمال
مریم یارم طاقلوسهرابی
دانشجوی دکترای زمین شناسی گرایش رسوب شناسی .دانشگاه آزاد اسلامی واحد تهران شمال
تکتم رحیمی
دانشجوی دکترای زمین شناسی گرایش رسوب شناسی .دانشگاه آزاد اسلامی واحد تهران شمال
نواب ورناصری
دانشجوی دکترای زمین شناسی گرایش رسوب شناسی .دانشگاه آزاد اسلامی واحد تهران شمال
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 :