تحلیل مدلهای هوش مصنوعی هیبریدی نوین در برآورد دبی سیلابی:مطالعه موردی: حوضه آبریز کشکان

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 112

This Paper With 15 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_HYD-8-29_010

تاریخ نمایه سازی: 19 دی 1401

Abstract:

سیل از جمله پدیده های طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیده ای را بر سر راه توسعه ی اقتصادی و اجتماعی کشورها ایجاد می نماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل موثر بر آن بسیار حائز اهمیت می باشد. در این پژوهش، به منظور برآورد دبی سیلابی حوضه ی آبریز کشکان واقع در استان لرستان از مدل­های هوش مصنوعی هیبریدی نوین شامل شبکه عصبی مصنوعی- تفنگدار خلاق، شبکه عصبی مصنوعی-عنکبوت بیوه سیاه و شبکه عصبی مصنوعی- ازدحام مرغ در طی دوره­ی زمانی ۱۴۰۰-۱۳۹۰ استفاده شد. برای ارزیابی عملکرد شبیه سازی از شاخص های آماری ضریب تعیین (R۲)، میانگین مطلق خطا (MAE)، ضریب کارایی نش- ساتکلیف (NSE) و درصد بایاس (PBIAS) استفاده گردید. نتایج نشان داد که بطور کلی مدل­های هوش مصنوعی هیبریدی عملکرد بهتری نسبت به مدل منفرد در برآورد دبی سیلابی دارند. نتایج نشان داد مدل شبکه عصبی مصنوعی- تفنگدار خلاق نسبت به سایر مدل­ها از دقت بیشتر و خطای کمتری برخوردار است. در مجموع نتایج نشان داد استفاده از مدل­های هوش مصنوعی هیبریدی در برآورد دبی سیلابی موثر بوده و می­تواند به عنوان راهکاری مناسب و سریع در مدیریت منابع آب مطرح شود.

Keywords:

Authors

سعید رستمی

دانشجوی دکتری سازه های آبی، دانشکده ی کشاورزی، دانشگاه لرستان

بابک شاهی نژاد

استادیار گروه مهندسی آب، دانشکده ی کشاورزی، دانشگاه لرستان

حجت اله یونسی

استادیار گروه مهندسی آب، دانشکده ی کشاورزی، دانشگاه لرستان

حسن ترابی پوده

دانشیار گروه مهندسی آب، دانشکده ی کشاورزی، دانشگاه لرستان

رضا دهقانی

دانش آموخته ی دکتری سازه های آبی، دانشکده ی کشاورزی، دانشگاه لرستان

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 :
  • Adnan, R.M., Liang, Z., Heddam, S., Zounemat-Kermani, M., Kisi, O., ...
  • Aljarah, I., Ala’M, A.Z., Faris, H., Hassonah, M.A., Mirjalili, S., ...
  • Arora, S., & Anand, P. (۲۰۱۹). Chaotic grasshopper optimization algorithm ...
  • Babaali, H.R., Dehghani, R. (۲۰۱۷). The prediction of the flood ...
  • Dehghani, R., Torabi, H. (۲۰۲۲). The effect of climate change ...
  • Ghorbani, M.A., Deo, RC., Karimi, V., Yassen, ZM., Terzi, O, ...
  • Kilinc, H.C., Haznedar, B.(۲۰۲۲). A Hybrid Model for Streamflow Forecasting ...
  • Malik, A., Tikhamarine, Y., Souag-Gamane, D., Kisi, O., & Pham, ...
  • Meng, X., Liu, Y., Gao, X., & Zhang, H. (۲۰۱۴). ...
  • Nourani, V., Kisi, Ö., Komasi, M. (۲۰۱۱). Two hybrid artificial ...
  • Nourani, V., Alami, MT., Aminfar, MH. (۲۰۰۹) .A combined neural-wavelet ...
  • Pijarski, P., & Kacejko, P. (۲۰۱۹). A new metaheuristic optimization ...
  • Saremi, S., Mirjalili, S., & Lewis, A. (۲۰۱۷). Grasshopper optimisation ...
  • Sebastian, P.A., & Peter, K.V. (۲۰۰۹). Spiders of India. Universities ...
  • Sigaroodi, S.K., Chen, Q., Ebrahimi, S., Nazari, A., Choobin, B. ...
  • Tokar, A., Johnson, P. (۱۹۹۹). Rainfall-Runoff Modeling Using Artificial Neural ...
  • Zouache, D., Arby, Y. O., Nouioua, F., & Abdelaziz, F. ...
  • نمایش کامل مراجع