ارزیابی مدل شبکه عصبی مصنوعی در تخمین جریان سالانه با استفاده از داده های بارندگی و شاخص های دما « مطالعه موردی: حوضه معرف ناورود اسالم »

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 592

فایل این مقاله در 10 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:

WRM05_319

تاریخ نمایه سازی: 25 تیر 1393

چکیده مقاله:

برآورد دقیق جریان حوضه های آبریز به خصوص در حوضه های فاقد آمار آبدهی، از اهمیت زیادی در برنامه ریزی و مدیریت منابع آب برخوردار است. به دلیل محدودیت و عدم کارایی مناسب اغلب روش های تجربی جهت تخمین جریان سالانه حوضههای آبریز جنوب دریای خزر، استفاده از مدلهای هوشمند عصبی که امروزه در علم هیدرولوژی توسعه فراوانی یافته اند، مطرح گردیده است.یکی از رایجترین این مدل ها، شبکه عصبی مصنوعی (ANN) است که در پژوهش حاضر جهت تخمین جریان سالانه حوضه آبریز ناورود اسالم، مورد ارزیابی قرار گرفته است. برای این کار، به کمک جعبه ابزار شبکه عصبی نرم افزار Matlab (شاخه NeuralNetwork) از داده های بارندگی، شاخص های دما و جریان سالانه حوضه در دوره آماری 16 ساله ( از سال آبی 75-74 لغایت 90-89) به مدت 11 سال برای آموزش و 5 سال و برای صحت سنجی مدل استفاده گردید.شبکه به کار گرفته شده از نوع پرسپترون چندلایه (MLP) بوده و برای آموزش آن، از الگوریتم پس انتشار خطا (BP) استفاده شده است. نتایج نشان داد که در بین 6 الگوی مورد بررسی بر اساس ترکیب بارندگی با سه شاخص دما، متوسط دمای هوا تأثیر چندانی در جریان سالانه حوضه ندارد و کارایی شبکه با الگوی ورودی بارندگی با دو پارامتر متوسط حداکثر و حداقل دما، به بیشترین مقدار (R=%97) می رسد. به طور کلی میتوان گفت، مدل شبکه عصبی مصنوعی در تخمین جریان سالانه حوضه از دقت بالایی برخوردار بوده و نتایج به دست آمده می تواند در برنامه ریزی و بهبود مدیریت منابع آب، مفید و مؤثر واقع گردد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، جریان سالانه ، حوضه آبریز ناورود اسالم ، نرم افزار Matlab

نویسندگان

مجید عبادی فر

کارشناس ارشد شرکت سهامی آب منطقه ای گیلان

خسرو تاجداری

رئیس گروه تلفیق و بیلان شرکت آب منطقه ای گیلان

ملیحه فیضی

کارشناس ارشد شرکت سهامی آب منطقه ای گیلان

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 فتیده م.1379.استخراج آب‌های زیرزمینی. انتشارات دانشگاه گیلان. ...
  • ملکیان، آ.، محسنی ساروی، م و مهدوی، م.383. بررسی کارایی ...
  • I3] رضاییع، مهدوی _ لوکس ک.، فیض‌نیا س. و مهدیان ...
  • فضل اولی ر، آخوندعلی منع. و بهنیاع. 1385. تعیین روابط ...
  • [‌ارضاییع، مهدوی _ لوکس ک.، فیض‌نیا س. و مهدیان م.ح. ...
  • گزارشات سالانه حوضه معرف ناورود اسالم، 1374-1390، شرکت سهامی آب ...
  • Dawson C.W., and Wilby R. 1998. An artificial neural network ...
  • Schap M.G., Leij F.L.., and Van Genuchten T.H. 1998. Neural ...
  • French, M. N..Krajewski, W. F.and Cuykendal, R. R.(1992) "Rainfall forecasting ...
  • Abrahart, R. j. and See, I., Comparing neural network and ...
  • نمایش کامل مراجع