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

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,241

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCUIMWR02_193

تاریخ نمایه سازی: 25 آذر 1389

Abstract:

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.

Keywords:

Authors

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 Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper 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