مقایسه عملکرد مدل هیدرولوژیکی IHACRES با مدل خود همبسته شبکه عصبی مصنوعی استاتیک و پویا در کالیبراسیون و صحت سنجی جریان ماهانه
محل انتشار: دومین کنفرانس ملی هیدرولوژی ایران
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 469
فایل این مقاله در 18 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:
WRRC02_015
تاریخ نمایه سازی: 29 مهر 1396
چکیده مقاله:
در پژوهش حاضر از مدل شبکه عصبی مصنوعی استاتیک و دینامیک با یک مدل هیدرولوژیکی برای کالیبراسیون و ارزیابی جریان ماهانه رودخانه مورد مقایسه و ارزیابی قرار گرفت. نتایج نشان دادندکه مدل هیدرولوژیکی IHACRES نتایج قابل قبولی در هردو قسمت کالیبراسیون و صحت سنجی ارایه داد و به داده های پرت زیاد حساس نبوده اما به دوره های تر و خشکسالی حساسیت نشان داده است. مدل های شبکه عصبی مصنوعی و دینامیکی هم با دقت بسیار بالایی و درصد خطای کمتر نتایج را ارایه دادند اما نشان دادند که به داده های پرت حساس هستند و ضریب تبیین کمتری بدست آمد. در شبکه عصبی مصنوعی دینامیک بدلیل تاثیر خروجی به عنوان یک ورودی به شبکه و افزایش قدرت یادگیری شبکه نسبت به مدل شبکه عصبی مصنوعی و نرم افزارIHACRES در مرحله کالیبره ،ارزیابی وتست نتایج بهتری ارایه داد. شبکه عصبی مصنوعی و دینامیک نسبت به مدل IHACRES از دقت خیلی بالای برخوردار هستند (خطا نزدیک به صفر). ضریب همبستگی در شبکه عصبی مصنوعی دینامیکی به دلایل گفته شده خیلی بهتر از ضریب همبستگی در شبکه عصبی مصنوعی استاتیک بود.
کلیدواژه ها:
نویسندگان
سامی قوردویی میلان
دانشجوی کارشناسی ارشد مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران
پویا قزل ایاق
دانشجوی کارشناسی ارشد مهندسی منابع آب پردیس ابوریحان، دانشگاه تهران
مهرناز ژیان نیا
دانشجوی کارشناسی ارشد سازه های هیدرولیکی، دانشگاه آزاد واحد تهران شمال