اثر توام نوسانات فصلی دمای سطح آب خلیج فارس و دریای مدیترانه بر پیش بینی آبدهی ماهانه رودخانه کرخه

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 35

This Paper With 11 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_IJSWR-46-4_001

تاریخ نمایه سازی: 10 آبان 1402

Abstract:

در مقاله حاضر، اثر توام نوسانات فصلی دمای سطح آب خلیج فارس و دریای مدیترانه بر پیش بینی آبدهی ماهانه رودخانه کرخه بررسی شده است. در این راستا، روش داده کاوی تجزیه به مقادیر منفرد (SVD) برای تشخیص گره های اثرگذار دریاها بر اقلیم منطقه و ایجاد سری های زمانی هم بسته از دمای سطح آب و جریان رودخانه استفاده شده است. همچنین، مدل شبکه عصبی رگرسیون تعمیم یافته (GRNN) بر مبنای صحت سنجی متقاطع برای تشخیص بهترین پیش بینی کننده های جریان از میان ترکیب های مختلف پیش بینی کننده ها برای هر ماه به کار رفته است. نتایج پیش بینی آبدهی در محل ورودی به سد گرشا نشان می دهد که دمای پاییزه سطح آب مدیترانه بر آبدهی بهمن تا فروردین و دمای تابستانه و پاییزه خلیج فارس بر آبدهی فروردین و اردیبهشت اثرگذار است، به طوری که به کارگیری این دو متغیر در پیش بینی آبدهی فروردین و اردیبهشت به طور متوسط سبب افزایش ۱۱۸ و ۲۸۲ درصدی شاخص نش در مراحل واسنجی و صحت سنجی می شود.

Keywords:

پیش بینی آبدهی ماهانه , خلیج فارس , دریای مدیترانه , GRNN , SVD

Authors

فرشته مدرسی

دانشجوی دکتری مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

شهاب عراقی تژاد

استادیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

کیومرث ابراهیمی

دانشیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

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 :
  • Araghinejad S. (۲۰۱۴). Data-Deriven Modeling: Using MATLAB in Water Resources ...
  • Borhani Dariane, A. and Fatehi Marj, A. (۲۰۰۸). Application of ...
  • Chen, L., Ye, L., Singh, V., Zhou, J. and Guo, ...
  • Cigizoglu, H. K. and Alp, M. (۲۰۰۴). Rainfall-runoff modelling using ...
  • Cigizoglu, H. K. (۲۰۰۵). Generalized regression neural network in monthly ...
  • Gray Robert.M. (۲۰۱۳). Entropy and Information Theory. NewYork: Springer-Verlag ...
  • Kassomenos P. A. and McGregor G. R. (۲۰۰۶). The interannual ...
  • Kişi, Ö. (۲۰۰۸). River flow forecasting and estimation using different ...
  • Kutiel, H., Hirsch-Eshkol, T. R. and Turkes, M. (۲۰۰۱). Sea ...
  • Meidani E., and Araghinejad S. (۲۰۱۴). Long-lead streamflow forecasting in ...
  • Nazemosadat M.J. (۱۹۹۸). The Persian Gulf Sea Surface Temperature as ...
  • Nazemosadat, M. J. (۲۰۰۸). Improving neural network models for forecasting ...
  • Nazemosadat, M.J., Ghasemi, A.R., Amin, S.A. and Soltani, A.R. (۲۰۰۸). ...
  • Mahab Ghodss Consulting Engineering Company. (۲۰۱۰). Report of water resources ...
  • Soukup T.L., Aziz O.A., Tootle G.A., Piechota T.C., and Wulff, ...
  • Uvo C.B., Repelli C.A., Zebiak S.E., and Kushnir Y. (۱۹۹۸). ...
  • Wallace J.M., Smith C., and Bretherton C.S. (۱۹۹۲). Singular value ...
  • Wang, W.C., Chau, K.W., Cheng, C.T. and Qui, L. (۲۰۰۹). ...
  • Wu, C. L., Chau, K.W. and Fan, C. (۲۰۱۰). Prediction ...
  • نمایش کامل مراجع