پیش بینی دبی روزانه رودخانه با استفاده از مدل نروفازی (مطالعه موردی: حوزه آبخیز طالقان)
Publish place: Journal of Watershed Management Research، Vol: 5، Issue: 10
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 207
This Paper With 12 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-5-10_005
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
از مهمترین مسائل در مدیریت حوزههای آبخیز، پیشبینی فرآیندهای هیدرولوژیکی میباشد. استفاده از مدلهای جدید در این زمینه می تواند به مدیریت و برنامهریزی صحیح کمک کند. علاوه برآن پیشبینی جریان رودخانه، مخصوصا در شرایط سیلابی، به مسوولان این امکان را خواهد داد که با آمادگی خسارات ناشی از سیل را کاهش دهند. یکی از روشهایی که اخیرا برای پیشبینی و برآورد میزان دبی رودخانهها به کار میرود، مدل نروفازی است. نروفازی با بررسی و تشخیص روابط بین ورودیها و خروجی، به برآورد خروجی مطلوب میپردازد. در این مطالعه مقادیر سه ساله بارندگی و دبی روزانه ایستگاههای مختلف موجود در سطح حوزه آبخیز طالقان، به عنوان ورودی به مدل نروفازی وارد شد و با توجه به نمایههای آماری (ریشه میانگین مربعات خطا، ضریب همبستگی و تبیین)، بهترین ساختار نروفازی و ترکیب ورودیها جهت پیشبینی جریان رودخانه مشخص گردید. نتایج نشان داد که بهترین برآوردها مربوط به فازی ساز گوسی بود. با اینکه حالت های ورودی مختلفی، نتایج قابل قبولی را ارائه داد، بهترین برآوردها با ضرایب RMSE و R۲ (داده های آموزش ۰۲/۰ و ۹۸/۰ - دادههای آزمون ۰۶/۰ و ۸۷/۰)، مربوط به ورودی دبی مهران و جوستان و دبی روز قبل گراب و دهدر بود. با توجه به نتایج مشخص شد که نروفازی با صحت زیادی پیش بینی جریان روزانه را انجام داده است و در مدیریت حوزههای آبخیز و کنترل سیل میتواند استفاده شود.
Keywords:
Authors
صادق تالی خشک
دانشگاه تهران
محسن محسنی ساروی
دانشگاه تهران
مهدی وفاخواه
دانشگاه تربیت مدرس نور
شهرام خلیقی سیگارودی
دانشگاه تهران
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 :