شبیه سازی عدم قطعیت پارامترهای مدل هیدرولوژیک با بهره گیری از چهارچوب UNEEC-P: مطالعه موردی مدل بیلان آبی ماهانه

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 126

This Paper With 13 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_IWRR-14-5_013

تاریخ نمایه سازی: 29 بهمن 1401

Abstract:

تلاش به منظور شبیه سازی عدم قطعیت متاثر از پارامترها و یا ساختار اصلی مدل ریاضی و یا مفهومی منجر به ارائه روش های مختلف احتمالاتی، امکانی و خلاقانه شده است. در مقاله حاضر با استفاده از ساختار UNEEC-P به تخمین رفتار غیرقطعی پارامتری در مدل بیلان ماهانه پرداخته شده است. نوآوری ارائه شده در این مقاله مبتنی بر استفاده از مدل مفهومی اصلی (مدل بیلان آبی ماهانه) به جای استفاده از مدل های رگرسیونی به منظور تخمین حد بالا و پایین غیر قطعی نتایج است. مدل مفهومی مورد استفاده، مدل بیلان آبی ماهانه با سه پارامتر است که در حوضه آبریزی کوچک با مساحت ۸۲ کیلومتر مربع در جنوب فرانسه مورد استفاده قرار گرفته تا نتایج عدم قطعیت پارامتری حاصل از استفاده روش GLUE و در دامنه غیر قطعی [۹۵، ۵] شبیه سازی شود. همچنین به منظور ارزیابی عملکرد مدل پیشنهادی نتایج حاصل از مدل بیلان با نتایج مدل رگرسیون عمومی شبکه عصبی مصنوعی (GRNN) مقایسه شده است. با هدف ارزیابی دقت و اعتبار آماری ساز و کار نوین پیشنهادی در این مقاله، علاوه بر شاخص های ارزیابی معمول تشابه و عدم تشابه، از شاخص AIC نیز استفاده شده است. مشخصات آماری متعددی همچون میانگین مربعات خطا (MSE)، میانگین مربعات خطای نرمال شده (NMSE)، شاخص Nash-sutcliff، ضریب همبستگی و AIC دال بر مطلوبیت بیشتر استفاده از روش ارائه شده و همچنین بهبود نتایج حاصل از ساختار مفهومی ارائه شده در مقایسه با نتایج حاصل از شبکه عصبی مصنوعی به تفکیک دوره کالبیدن و ارزیابی است.

Authors

محسن ناصری

استادیار / دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران.

آرمان احمدی

دانشجوی کارشناسی ارشد/ محیط زیست، دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران، تهران، 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 :