برآورد جریان رودخانه ها با مدل هیبریدی نوین (مطالعه موردی: حوزه آبریز دز)

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 15

This Paper With 12 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_WMJI-12-45_002

تاریخ نمایه سازی: 10 مهر 1403

Abstract:

پیش بینی جریان رودخانه ها یکی از مهم ترین موارد کلیدی در مدیریت و برنامه ریزی منابع آب به ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشک سالی ها است. برای پیش بینی میزان جریان رودخانه ها رویکردهای متنوعی در هیدرولوژی معرفی شده است که مدل های هوشمند از مهم ترین آن ها می باشند. در این پژوهش کاربرد مدل هیبریدی ماشین بردار پشتیبان_ الگوریتم کرم شب تاب به منظور برآورد دبی رودخانه های حوزه آبریز دز واقع در استان لرستان بر اساس آمار آبدهی روزانه ایستگاه های هیدرومتری واقع در بالادست سد طی دوره آماری (۱۴۰۲-۱۳۹۲) موردبررسی و ارزیابی قرارگرفته و کارایی آن با مدل ماشین بردار پشتیبان مقایسه شد. معیارهای ضریب تبیین، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه مدل ها مورداستفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدل­سازی دبی رودخانه ارائه می نمایند. هم چنین مقایسه مدل ها طبق معیارهای ارزیابی نشان داد مدل هیبریدی ماشین بردار پشتیبان-الگوریتم کرم شب تاب عملکرد بهتری در پیش­بینی جریان دارد. درمجموع این تحقیق نشان می دهد استفاده از مدل ترکیبی ماشین بردار پشتیبان- الگوریتم کرم شب تاب میتواند درزمینه پیش بینی جریان روزانه رودخانه ها موثر باشد. هم چنین، این مدل می تواند به نوبه خود برای تسهیل توسعه و پیاده سازی استراتژی های مدیریت آب های سطحی مفید باشد؛ و گامی در اتخاذ تصمیمات مدیریتی در جهت بهبود کمیت جریان رودخانه ها می باشد.

Authors

حمیدرضا باباعلی

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

رضا دهقانی

دکترای علوم و مهندسی آب، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران

فاطمه دهقانی

۳ دانشجوی کارشناسی ، گروه مهندسی عمران، 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., Liang, Z., Heddam, S., Kermani, M., Kisi, O., ...
  • Alizadeh, F., Gharamaleki, A., Jalilzadeh, M., and Akhoundzadeh, A. ۲۰۲۰. ...
  • Basak, D., Pal, S., and Patranabis, D.C. ۲۰۰۷. Support vector ...
  • Ghorbani, M.A., Khatibi, R., Geol, A., Fazelifard, M.H., and Azani, ...
  • Ghorbani, M.A., Khatibi, R., Karimi, V., Yaseen, Z.M., and Zounemat-Kermani, ...
  • Ghorbani, M.A., Deo, R.C., Karimi, V., Yassen, Z.M., and Terzi, ...
  • Huang, S., Chang, J., Huang, Q., and Chen, Y. ۲۰۱۴. ...
  • Kisi, O., Karahan, M., and Sen, Z. ۲۰۰۶. River suspended ...
  • Lin, J.Y., Cheng, C.T., and Chau, K.W. ۲۰۰۶. Using support ...
  • Liong, S.Y., and Sivapragasam, C. ۲۰۰۲. Flood stage forecasting with ...
  • Misra, D., Oommen, T., Agarwa, A., Mishra, S.K., and Thompson, ...
  • Nagy, H., Watanabe, K., and Hirano, M. ۲۰۰۲. Prediction of ...
  • Sedighi, F., Vafakhah, M., and Javadi, MR. ۲۰۱۶. Rainfall–Runoff modeling ...
  • Shin, S., Kyung, D., Lee, S., Taik Kim, J., and ...
  • Vapnik, V., and Chervonenkis, A. ۱۹۹۱. The necessary and sufficient ...
  • Vapnik, V.N. ۱۹۹۵. The Nature of Statistical Learning Theory. Springer, ...
  • Vapnik, V.N. ۱۹۹۸. Statistical learning theory. Wiley, New Yor ...
  • Yang, X.S. ۲۰۰۸. Nature-Inspired Metheuristic Algorithms, Luniver Press ...
  • Yoon, H., Jun, S.C., Hyun, Y., Bae, G.O., and Lee, ...
  • Zhao, X., Chen, X., Xu, Y., Xi, D., Zhang, Y., ...
  • نمایش کامل مراجع