پیش بینی جریان آبراهه ای با استفاده از مدل های هیبریدی هوشمند در مقیاس ماهانه (مطالعه موردی: رودخانه زرین رود)
Publish place: Environmental Science and Technology، Vol: 21، Issue: 9
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 146
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-21-9_006
تاریخ نمایه سازی: 19 مهر 1400
Abstract:
زمینه و هدف: انتخاب ورودی های مناسب برای مدل های هوشمند از اهمیت بسزایی برخوردار است زیرا باعث کاهش هزینه و صرفه جویی در وقت و افزایش دقت و کارایی مدل ها می شود. هدف از پژوهش حاضر،کاربرد آنتروپی شانون برای انتخاب ترکیب بهینه متغیرهای ورودی در شبیه سازی دبی ماهانه توسط پارامترهای هواشناسی می باشد. روش بررسی: در این مطالعه داده های هواشناسی و سری زمانی ماهانه دبی رودخانه زرین رود (ایستگاه صفاخانه) واقع در آذربایجان- شرقی در دوره زمانی ۱۳۳۶تا۱۳۹۴ مورد استفاده قرارگرفت. پارامترهای هواشناسی و ماه از سال به عنوان ورودی در روش آنتروپی به منظور تعیین ترکیب موثر در نظر گرفته شد. یافته ها: نتایج آنتروپی شانون نشان داد که پارامترهای بارش ، ماه از سال و دما ، نتایج بهتری را برای مدل سازی ارایه می دهد. شبیه سازی با استفاده از مدل های هیبرید هوشمند الگوریتم هیبریدی ازدحام ذرات و الگوریتم هیبریدی شبیه سازی تبرید انجام گرفت.کارایی مدل ها با استفاده از معیار ضریب تبیین ،ریشه جذر میانگین خطا وشاخص پراکندگی محاسبه گردید. بحث و نتیجه گیری: نتایج نشان داد از میان این مدل ها با ساختار ورودی های یکسان، مدل الگوریتم هیبریدی شبیه سازی تبرید بر پایه ماشین بردار پشتیبان عملکرد بهتری برای شبیه سازی دبی جریان در مقایسه با سایر مدل های هیبریدی هوشمند داشته است. همچنین نتایج تحقیق نشان داد که روش آنتروپی در انتخاب بهترین ترکیب ورودی در مدل های هوشمند از کارایی خوبی برخوردار است.
Keywords:
Authors
بابک محمدی
کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب ، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران (مسوول مکاتبات)
روزبه موذن زاده
استادیار گروه آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران
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 :