پیش بینی مقادیر حداکثر بارش روزانه با استفاده از سیستم های هوشمند و مقایسه آن با مدل درختی M۵؛ مطالعه موردی ایستگاه های اهر و جلفا

Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 146

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WATER-4-2_008

تاریخ نمایه سازی: 4 اسفند 1400

Abstract:

بارش یکی از مهمترین اجزا چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه ای نقش بسیار مهمی ایفا می کند. پیش بینی مقادیر بارش حداکثر روزانه در ماه برای اهداف مختلفی نظیر برآورد سیلاب، رواناب، رسوب، برنامه ریزی آبیاری و مدیریت حوضه های آبریز دارای اهمیت زیادی است.پیش بینی بارش در هر منطقه ای نیازمند وجود داده های دقیق اندازه گیری شده از قبیل رطوبت، دما، فشار، سرعت باد و غیره می باشد. محدودیت هایی از قبیل نبود اطلاعات کافی در مورد مقدار بارش در مقیاس های زمانی و مکانی و همچنین پیچیدگی روابط بین پارامترهای هواشناسی مرتبط با بارش، محاسبه این پارامتر با استفاده از روش های معمول را غیردقیق و غیرقابل اعتماد می کند. در این تحقیق پارامترهای هواشناسی ایستگاه های اهر و جلفا در استان آذربایجان شرقی، به عنوان ورودی مدل های هوشمند شبکه های عصبی مصنوعی، برنامه ریزی ژنتیک و مدل درختی M۵ تعریف گردید و برای نتایج بدست آمده از این سه مدل دو آماره R و RMSE محاسبه گردید. در دو ایستگاه اهر و جلفا روش برنامه ریزی ژنتیک به ترتیب با (R=۰.۸۸) و (RMSE=۳.۳۲) و (R=۰.۸۷) و (RMSE=۳.۷۹) بهترین نتیجه را نشان دادند. در حالت کلی می توان گفت که هر سه روش مذکور ضمن رقابت با یکدیگر نتایج نسبتا دقیقی را جهت پیش بینی حداکثر بارش روزانه در ماه مورد نظر در منطقه ارائه می کنند ولی به دلیل ارائه روابط خطی ساده و قابل فهم توسط مدل درختی M۵، این روش می تواند به عنوان روشی کاربردی و جایگزین برای محاسبه حداکثر بارش روزانه در ماه مورد توجه قرار گیرد.

Keywords:

اهر و جلفا , برنامه ریزی ژنتیک , پیش بینی بارش حداکثر روزانه , شبکه های عصبی مصنوعی , مدل درختی M۵

Authors

محمدتقی ستاری

گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

فرناز نهرین

سازه های آبی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

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 :
  • حلبیان، ا.ح. ۱۳۸۸. پیش آگاهی و برآورد بارش یزد با ...
  • خلیلی، ن.، س.ر. خداشناس، ک. داوری و م. موسوی بایگی. ...
  • سلطانی، ع.، م.ع. قربانی، ا.، فاخری فرد، ص. دربندی و ...
  • شریف زاک، م. و غ.ع. بارانی. ۱۳۹۰. پیش بینی دبی ...
  • علیخانزاده، امیر، ۱۳۸۵، داده کاوی، چاپ اول، نشر علوم رایانه، ...
  • فاتحی مرج، ا. و م.ح. مهدیان. ۱۳۸۸. پیش بینی بارش ...
  • فلاح قالهری، غ.ع. و ج. خوشحال. ۱۳۸۸. پیش بینی بارش ...
  • فلاح قالهری، غ.ع.، م. موسوی بایگی و م. حبیبی نوخندان. ...
  • فلاحی، م.ر.، ه. ورواتی و س. گلیان. ۱۳۹۰. پیش بینی ...
  • قلی زاده، م.ح. و م. دارند. ۱۳۸۸. پیش بینی بارش ...
  • Alberg, D., M. Last and A. Kindle. ۲۰۱۲. Knowledge discovery ...
  • Bhattacharya, B., Price, R. K., Solomatine, D. P., ۲۰۰۷. Machine ...
  • Bhattacharya, B., Solomatine, D.P., ۲۰۰۵. Neural networks and M۵ model ...
  • Daga, M., Deo, M.C., ۲۰۰۹. Alternative data-driven methods to estimate ...
  • Ditthakit, P. and CH. Chinnarasri. ۲۰۱۲. Estimation of pan coefficient ...
  • Etemad-Shahidi, A., Bonakdar, L., ۲۰۰۹. Design of Rubble-Mound Breakwaters using ...
  • Fallah Galhary, G.A., M. Habibi Nokhandan and M. Mousavi Baygi. ...
  • Hakurta, P.G. ۲۰۰۸. Long lead monsoon rainfall prediction for meteorological ...
  • Londhe, S. N and Dixit, P. R., ۲۰۱۱. Forecasting Stream ...
  • Mahjoobi, J., Etemad-Shahidi, A, ۲۰۰۸. An alternative approach for the ...
  • Pal, M. and S. Deswal. ۲۰۰۹. M۵ model tree based ...
  • Quinlan, J.R. ۱۹۹۲. Learning with continuous classes. In proceedings AI,۹۲ ...
  • Satishkumar, S.K. and M. Rajib. ۲۰۱۲. Prediction of monthly rainfall ...
  • Singh, K.K., M. Pal and V.P. Singh. ۲۰۱۰. Estimation of ...
  • نمایش کامل مراجع