Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

پیش بینی بار معلق رودخانه با استفاده از مدل های سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)

پژوهشنامه مدیریت حوزه آبخیز، دوره: 6، شماره: 12
Year: 1394
COI: JR_JWMR-6-12_021
Language: PersianView: 26
This Paper With 10 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

فاطمه برزگری - , Agricultural Department, Payam Noor University
محمدتقی دستورانی - Ferdowsi University of Mashhad

Abstract:

     برآورد میزان دقیق رسوبات معلق در رودخانه ها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سدسازی، حیات آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روش های مختلفی برای بررسی و برآورد رسوبات معلق رودخانه، موجود می باشد که البته توانایی این روش ها متفاوت است. در تحقیق حاضر به منظور مقایسه و بررسی توانایی مدل های سری زمانی شامل مارکف،  ARIMA و شبکه های عصبی در پیش­بینی رسوب معلق، از داده های روزانه ایستگاه قزاقلی واقع روی رودخانه گرگانرود استفاده شده است. داده های  موجود به صورت متوسط رسوب معلق ماهانه در محیط نرم­افزار Minitab ۱۶  وNeurosolutions ۵  به کار گرفته شد و در نهایت پیش­بینی رسوب برای ۱۱۱ ماه انجام گرفت. در مرحله بعد، مقادیر پیش بینی شده توسط مدل های مختلف، با شاخص های اندازه گیری خطا شامل  RMSEوNMSE  نشان داد که شبکه های عصبی در مقایسه با مدل های سری زمانی توانایی بهتری در پیش بینی و مدل سازی رسوب ماهانه دارد و نیز در بین مدل های سری زمانی، مدل مارکف در مقایسه با مدل ARIMA دارای توانایی بهتری در برآورد رسوب معلق می باشد.

Keywords:

Paper COI Code

This Paper COI Code is JR_JWMR-6-12_021. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1284405/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
برزگری، فاطمه و دستورانی، محمدتقی،1394،پیش بینی بار معلق رودخانه با استفاده از مدل های سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)،https://civilica.com/doc/1284405

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 :

  • Abrahart, R.J. and S.M. White. ۲۰۰۱. Modeling sediment transfer in ...
  • Alp, M. and H.K. Cigizoglu. ۲۰۰۷. Suspended sediment estimation by ...
  • Arabkhedri, M., Sh. Hakimkhani and J. Varvani. ۲۰۰۴.The Validity of ...
  • Asselman, NEM. ۲۰۰۲. Fitting and interpretation of sediment rating curves, ...
  • Barzegari, F. ۲۰۰۴. A Comparison of common methods of estimating ...
  • Chen, H. and P.P.G. Dyke. ۱۹۹۸. Multivariate time series models ...
  • Chen, H., A. Zinober and R. Ruan. ۱۹۹۶. Strong consistency ...
  • Cigizoglu, H.K. and O. Kisi. ۲۰۰۶. Methods to improve the ...
  • Cobaner, M., B. Unal and O. Kisi. ۲۰۰۹. Suspended sediment ...
  • EPA. ۱۹۹۰. National Water Quality Inventory: ۱۹۸۸ Report to Congress. ...
  • Ferguson RI. ۱۹۸۶. River load underestimated by rating curves,Water Resources ...
  • Hakimkhani, Sh. ۱۹۹۸. Investigation and determination of effective factors on ...
  • Jafari Myanayy, S. and A.R. Keshavarz. ۲۰۰۸. Comparison of fuzzy ...
  • Jain, S.K. ۲۰۰۱. Development of integrated sediment rating curves using ...
  • Kisi, O. ۲۰۰۸. Constructing neural network sediment estimation models using ...
  • Lovejoy, S.B., J.G. Lee, T.O. Randhir and B.A. Engel. ۱۹۹۷. ...
  • Meless, A.M., S. Ahmad, M.E. Mcclain, X. Wang and Y.H. ...
  • Memarian, H. and S.K. Balasundram. ۲۰۱۲. Comparison between Multi-Layer Perceptron ...
  • Mosaedi, A., A. Mohammadi Ostadkelayeh, A. Najafi nejad and F. ...
  • Mustafa, M.R., M.H. Isa and R.B. Rezaur. ۲۰۱۱. A Comparison ...
  • Niroumand, H.A. and A.Gh. Bozorgnia. ۲۰۱۰. Introduction to Time Series ...
  • Nourani, V., O. Kalantari and A. Baghanam. ۲۰۱۲. Two Semi ...
  • Raghuwanshi, N.S., R. Singh and L.S. Reddy. ۲۰۰۶. Runoff and ...
  • Rajaee, T., V. Nourani, M. Zounemat-Kermani and O. Kisi. ۲۰۱۱. ...
  • Razavizadeh, S., A. Kavian and M. Vafakhah. ۲۰۱۴. Estimation of ...
  • Rezapour, O.M., T.L. Shui and D.B. Ahmad. ۲۰۱۰. Review of ...
  • Robert, B.T. ۱۹۸۵. Estimating total suspended sediment yield with probability ...
  • Singer, M.B. and T. Dunne. ۲۰۰۱. Identifying eroding and depositional ...
  • Singh, G. and R.K. Panda. ۲۰۱۱. Daily Sediment Yield Modeling ...
  • Yitian, L. and R.R. Gu. ۲۰۰۳. Modeling flow and sediment ...
  • Zoratipoor, A. ۲۰۰۶. A Comparison of Hydrological (Statistical) methods for ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: پیام نور
Paper count: 61,562
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support