پیش بینی دبی ماهانه با استفاده از شبکه عصبی مصنوعی و تجزیه و تحلیل سریهای زمانی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,240

فایل این مقاله در 11 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:

NCUIMWR02_193

تاریخ نمایه سازی: 25 آذر 1389

چکیده مقاله:

پیش بینی دقیق مقدار دبی متوسط ماهانه رودخانه ها، نقشی اساسی در برنامه ریزی، مدیریت و بهره برداری بهینه و پایدار از منابع آبی ایفا می کند. شبکه های عصبی مصنوعی به علت قابلیت شبیه سازی روابط غیرخطی و پیچیده، توانایی بالایی در پیش بینی پارامترهای هیدرولوژیکی دارند، از طرف دیگر روشهای مختلف تجزیه و تحلیل سریهای زمانی نیز ابزاری قدرتمند جهت پیش بینی دبی ماهانه می باشند. هدف از این تحقیق، پیش بینی دبی ماهانه رودخانه هراز در ایستگاه کره سنگ به دو روش می باشد: اولا مدلسازی و پیش بینی دبی ماهانه از طریق برقراری ارتباط مابین متغیرهای بارش و تبخیر بعنوان متغیرهای مستقل اقلیمی و دبی بعنوان متغیر وابسته هیدرولوژیکی، ثانیا پیش بینی دبی ماهانه به کمک روشهای مختلف تجزیه و تحلیل سریهای زمانی و در نهایت مقایسه نتایج حاصل از این دو ابزار قدرتمند.(Trend Analysis و ANN نتایج نشان داد که مقادیر پیش بینی شده توسط شبکه عصبی مصنوعی با ورودی بارش هر ماه به همراه ماه قبل از آن بسیار منطبق با داده های مشاهداتی هستند. نتایج همچنین نشان داد که کارایی مدل شبکه عصبی فوق در پیش بینی دبی ماهانه رودخانه هراز بسیار بالاتر از روشهای مختلف تجزیه و تحلیل سریهای زمانی است.

کلیدواژه ها:

پیش بینی دبی ماهانه ، شبکه عصبی مصنوعی ، سریهای زمانی ، هراز

نویسندگان

شیرکو ابراهیمی محمد

دانشجوی دکتری آبخیزداری دانشگاه تربیت مدرس و عضو هیات علمی دانشگاه کر

مهدی بشری سه قلعه

دانشجوی دکتری آبخیزداری دانشگاه تربیت مدرس، استان مازندران، نور، دان

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 :
  • [محمدی ی، فتحی پ، نجفی نژاد ع، نورا ن: (1387). ...
  • برآورد فرسایش بادی با کمک روش IRIFR.E.A [مقاله کنفرانسی]
  • میان‌آبادی ح. و افشار _ "کاربرد سری‌های زمانی ماهانه پریودیک ...
  • عزیزی ق. (1384). "بررسی خشکسالی‌ها، ترسالی‌ها و امکان پیش‌بینی آن‌ها ...
  • جلال‌کمالی ن. (1381). "پیش‌بینی تغییرات جریان ورودی به مخزن سد ...
  • Comrads, P.A., and Roehl, E.A. (1 999). "Comparing physics-based and ...
  • Tokar AS, Johnson PA.(1999). _ R ainfall-runof modelling using artificial ...
  • Solomatine DP, Dulal KN.(2003)." Model trees _ _ alternative to ...
  • Giustolisi O, Laucelli D. (2005). "Improving generalization of artificial neural ...
  • Sivakumar B, Jayawardena AW, Fernando TMKG. (2002)."River flow forecasting: use ...
  • Kisi O. (2004)." Multi-layer perceptrons with Levenb erg-Marquardt optimization algorithm ...
  • Kisi O. (2004)." River flow modeling using artificial neural networks." ...
  • Cigizoglu HK, Kisi O. (2005). "Elow prediction by three back ...
  • Jayawardena AW, Xu PC, Tsang FL, Li WK. (2006). "Determining ...
  • Komormk J., Komornikova M., Mesiar R., Szokeova D., and Szolgay ...
  • Damle C, and Yalcin A (2007). "Flood prediction using time ...
  • tiya, A., and Et al. (1999). " A comparison between ...
  • Dawson, C.W.Wilby, R.L. (2001). "Hydrological modelling using artificial neural networks." ...
  • Hsu, K.. Gupta, H.V., Sorooshian, S., (1995). "Artificial neural network ...
  • Imrie, C.E.., Durucan, S., Korre, A. _ "River flow prediction ...
  • نمایش کامل مراجع