شبیه سبزی جریان روزانه رودخانه با استفاده از مدلهای شبکه عصبی مصنوعی و رگرسیونچند متغیره آماری (مطالعه موردی : حوزه آبخیز زرینه رود)

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 481

فایل این مقاله در 8 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:

NACONF03_092

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

با توجه به لزوم پیش بینی مناسب جریان در حوزه های آبخیز کشور، توسعه آزمون هایی که بتواند آبدهی جریان رودخانه را در مقیاس زمانی روزانه و در مکان دلخواه برآورد نماید ، از موارد ضروری است که به بهبود اطلاعات مورد نیاز برای اهداف مدیریتی مرتبط با منابع آب منجر می گردد . همچنین با وجود تنوع در مدلهای بارش - رواناب، انتخاب یک مدل مناسب برای حوزه از جهت بهره وری برنامه ریزی و مدیریت منابع آب مهم می باشد . از طرفی مدلهای شبکه عصبی مصنوعی بدلیل ساختار غیر خطی ، برای مدلسازی فرآیندهای پیچیده نظیر فرآیندهای هیدرولوژیک کاربرد دارند . در این تحقیق شبیه سازی دبی روزانه سقز چای از حوزه آبخیز زرینه رود انجام شد . داده های روزانه بارش، دما و آبدهی در فاصله سالهای 1373 تا 1386 که 9 سال ابتدایی جهت آموزش شبکه و واسنجی مدل رگرسیونی و 4 سال دیگر جهت تست شبکه و صحت سنجی مدل رگرسیونی مورد استفاده قرار گرفت . جهت ارزیابی توانایی مدلها در شبیه سازی دبی از معیار ضریب تعیین R2 و شاخص های خطا RMSE وMAE استفاده شد . مقایسه نتایج مدل شبیکه عصبی مصنوعی با R2=0/96 ، RMSE=2/80 و MAE=083 در دوره آخموزش و مدل رگرسیونی با R2=0/92، RMSE=4/12، MAE=1/30 در دوره واسنجی، نشان می دهد که استفاده از مدل شبیکه عصبی مصنوعی، موجب 32% کاهش خطای RMSE و 36% کاهش خطای MAE شده است . این مقادیر در تست شبکه R2=0/94 ، RMSE=3/05 و MAE=1/12 و در صحت سنجی مدل رگرسیونی R2=0/91 ، RMSE=3/73 و MAE=1/50 می باشد .

کلیدواژه ها:

نویسندگان

آرمان عبدالهی پور

دانشجوی کارشناسی ارشذ مهنذسی عمران آب دانشگاه آزاد اسلامی واحد اسلامشهر

صابر معظمی گودرزی

استادیار گروه عمران دانشگاه آزاد اسلامی واحد اسلامشهر

محمود ذاکری نیری

استادیار گروه عمران دانشگاه آزاد اسلامی واحد اسلامشهر

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 :