پیش بینی دبی سیلابی با استفاده از شبکه ی عصبی موجک

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 168

This Paper With 20 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_HYD-4-11_008

تاریخ نمایه سازی: 4 بهمن 1401

Abstract:

چکیده سیل یکی از بلایای طبیعی مهمی است که همه ساله باعث ایجاد خسارت­های مالی و جانی فراوانی به جوامع مختلف می­گردد. به همین دلیل محققان سعی نموده­اند که تغییرات کمی این پدیده را حتی­المقدور به طور دقیق مورد بررسی قرار دهند. در این پژوهش جهت تخمین دبی سیلابی ایستگاه کهمان­الشتر واقع در استان لرستان از مدل شبکه­ی عصبی موجک استفاده شد و نتایج آن با سایر روش­های هوشمند از جمله شبکه­ی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر حداکثر بارش ۲۴ ساعته در مقیاس زمانی روزانه با تاخیرهای مختلف در طی دوره­ی آماری (۱۳۹۱-۱۳۸۰) به عنوان ورودی و دبی حداکثر روزانه به عنوان پارامتر خروجی مدل­ها انتخاب گردید. معیارهای ضریب همبستگی، ریشه­ی میانگین مربعات خطا و میانگین قدرمطلق خطا برای ارزیابی و عملکرد مدل­ها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین دبی سیلابی دارند، لیکن از لحاظ دقت، مدل شبکه­ی عصبی موجک عملکرد بهتری نسبت به شبکه­ی عصبی مصنوعی از خود نشان داده است.

Keywords:

دبی سیلابی , شبکه ی عصبی موجک , شبکه ی عصبی مصنوعی , الشتر

Authors

حمیدرضا باباعلی

استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد خرم آباد، خرم آباد

رضا دهقانی

دانشجوی دکترای سازه های آبی، دانشگاه لرستان، خرم آباد (نویسنده ی مسئول)

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 :
  • نگارش، حسین؛ اژدری­مقدم، مهدی و محسن آرمش (۱۳۹۲)، کاربرد شبکه ...
  • معماری، علیرضا و محمود حبیب­نژادروشن (۱۳۸۵)، مطالعه­ی سیستم­های پیش­بینی سیل ...
  • Aichouri, I., Hani, A., Bougherira, N., Djabri, L., Chaffai, H., ...
  • Elsafi, H., (۲۰۱۴), Artificial Neural Networks (ANNs) for flood forecasting ...
  • Kasiviswanathana, K.S., Jianxun, H., Sudheerb, K.P., Joo-Hwa, T., (۲۰۱۶), Potential ...
  • Kisi, O., Karahan, M., Sen, Z. (۲۰۰۶), River suspended sediment ...
  • Nagy, H., Watanabe, K., Hirano, M. (۲۰۰۲), Prediction of sediment ...
  • Nourani, V., Kisi, Ö., Komasi, M., (۲۰۱۱), Two hybrid artificial ...
  • Nourani, V., Alami, MT., Aminfar, MH. (۲۰۰۹), A combined neural-wavelet ...
  • Okkan, U., (۲۰۱۲), Wavelet neural network model for reservoir inflow ...
  • Shin, S., Kyung, D., Lee, S., Taik & Kim, J., ...
  • Tokar, A., Johnson, P. (۱۹۹۹), Rainfall-Runoff Modeling Using Artificial Neural ...
  • Vapnik, VN. (۱۹۸۸), Statistical Learning Theory, Wiley, New York. ...
  • Wang, D., Safavi, AA., Romagnoli, JA., (۲۰۰۰), Wavelet-based adaptive robust ...
  • Zhu, YM., Lu, XX., Zhou, Y., (۲۰۰۷), Suspended sediment flux ...
  • نمایش کامل مراجع