"گزارش فنی" مقایسه کارایی مدل IHACRES و شبکه عصبی مصنوعی برای پیش بینی جریان رودخانه سیوند
Publish place: Journal of Watershed Management Research، Vol: 10، Issue: 20
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 167
This Paper With 6 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:
شناسه ملی سند علمی:
JR_JWMR-10-20_023
تاریخ نمایه سازی: 4 مهر 1400
Abstract:
تعیین دقیق جریان رودخانه در آبخیزهای فاقد آمار از چالشهای مهم در هیدرولوژی می باشد. در این راستا، با توجه به تنوع مدلهای هیدرولوژیکی موجود، انتخاب مدل مناسب مستلزم ارزیابی عملکرد مدلها در شرایط هیدرولوژیکی هر منطقه است. هدف از این پژوهش مقایسه کارایی روش شبکه عصبی مصنوعی (ANN) و مدل یکپارچه IHACRES برای پیش بینی جریان رودخانه سیوند در حوضه طشک- بختگان واقع در استان فارس به عنوان یک منطقه گرم و خشک می باشد. از داده های سالهای ۱۳۶۱ تا ۱۳۷۴ برای واسنجی و ۱۳۷۵ تا ۱۳۹۱ برای صحت سنجی مدل استفاده شد. برای ارزیابی قابلیت شبکه های عصبی مصنوعی، از جعبه ابزار مربوط به شبکه عصبی نرمافزار متلب استفاده شد. مقادیر جریان شبیه سازی شده بوسیله مدل IHACRES برای دبی سیلابی در دوره واسنجی بیشتر و در دوره صحت سنجی، کمتر از مقادیر مشاهداتی بود. مقادیر ضریب تبیین در فرایند واسنجی و صحت سنجی این مدل بهترتیب ۶۲/۰ و ۵۴/۰ بود. کمترین و بیشترین مقدار ضریب تبیین شبکه عصبی دینامیک در دوره های واسنجی و صحت سنجی به ترتیب ۸۸/۰ و ۹۴/۰ بود در حالیکه برای شبکه های عصبی ایستا بهترتیب ۵۱/۰ و ۶۹/۰ بود. براساس نتایج، شبکه های عصبی مصنوعی با دقت بیشتری نسبت به مدل IHACRES، جریان ماهانه رودخانه سیوند را پیش بینی کردند.
Keywords:
Authors
فهیمه کریمپور
Sari Agricultural Sciences and Natural Resources University
عبداله درزی نفت چالی
Sari Agricultural Sciences and Natural Resources University
مهدی نادی
Sari Agricultural Sciences and Natural Resources University
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 :