سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Login
PapersConferencesJournals

توسعه شبکه عصبی مصنوعی و الگوریتم ازدحام ذرات برای پیش بینی جریان ورودی به سدها تحت تاثیر سناریوهای اقلیمی

Publish place: Journal of Water and Irrigation Management، Vol: 14، Issue: 4
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 23

This Paper With 18 Page And PDF Format Ready To Download

DOWNLOAD Paper

Export:

Link to this Paper:
https://civilica.com/doc/2196410

Document National Code:

JR_JWIM-14-4_004

Index date: 10 March 2025

توسعه شبکه عصبی مصنوعی و الگوریتم ازدحام ذرات برای پیش بینی جریان ورودی به سدها تحت تاثیر سناریوهای اقلیمی abstract

تغییر اقلیم با ایجاد تغییر در میزان دما و بارش موجب تغییر در آبدهی رودخانهها می شود. از این رو، شبیهسازی جریان رودخانه به عنوان پیشنیاز برنامه ریزی و مدیریت منابع و مصارف آب اهمیت فراوان دارد. لذا در پژوهش حاضر تاثیر تغییر اقلیم بر میزان دبی رودخانه مهاباد در دورههای زمانی آینده (۲۰۲۶-۲۰۴۵) با استفاده از مدل های یادگیری ماشین بررسی شد. ابتدا دو سناریوی ورودی که در آن سناریوی اول شامل پارامترهای دما و بارش و سناریوی دوم شامل پارامترهای دما، بارش و دبی یک ماه قبل بود، تدوین شد. در ادامه عملکرد دو مدل ANN و ANN-PSO در تخمین دبی جریان در دوره پایه (۱۹۹۲-۲۰۱۴) مقایسه شد تا بهترین سناریو و بهترین مدل برای پیش بینی جریان در دوره آینده تحت سه سناریو SSP۱.۲۶، SSP۲.۴۵ و SSP۵.۸۵ گزارش ششم تغییر اقلیم (CMIP۶) انتخاب شود. نتایج معیارهای ارزیابی خطا  نشان داد که مدل ANN-PSO با استفاده از سناریوی دوم و با معیارهای ۷۷/۰=NSE، MCM ۴/۶=RMSE و MCM ۴/۳=MAE قادر به تخمین مناسب دبی می باشد. نتایج بررسی اثر تغییر اقلیم بر روی هر یک از پارامترهای هواشناسی نشان داد که تغییر اقلیم باعث افزایش دما در حدود ۵/۰ تا ۱ درجه در طول دوره و ایجاد یک الگوی نوسانی در بارش می شود. نتایج بررسی تغییر اقلیم روی دبی نشان داد که تحت سناریوی SSP۱.۲۶ تغییرات چندانی اکثر ماه ها در دبی رخ نخواهد داد اما در سناریوهای SSP۲.۴۵ و SSP۵.۸۵ در ماه دسامبر افزایش اندک دبی رخ خواهد داد و در ماه می و آوریل بیش ترین کاهش دبی به ترتیب MCM ۵/۱۶ و MCM ۳۳/۱۳ خواهد بود.

توسعه شبکه عصبی مصنوعی و الگوریتم ازدحام ذرات برای پیش بینی جریان ورودی به سدها تحت تاثیر سناریوهای اقلیمی Keywords:

پیش بینی سری زمانی , تخمین دبی رودخانه , تغییر اقلیم , ANN , PSO

توسعه شبکه عصبی مصنوعی و الگوریتم ازدحام ذرات برای پیش بینی جریان ورودی به سدها تحت تاثیر سناریوهای اقلیمی authors

مهرنوش هدایتی زاده

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران.

سعید جمالی

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران.

هومن حاجی کندی

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران.

سمیه یوسفی

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران مرکز، 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 :
Arya Azar, N., Ghordoyee Milan, S., & Kayhomayoon, Z. (۲۰۲۱). ...
Ashrafzadeh, A., Malik, A., Jothiprakash, V., Ghorbani, M. A., & ...
Bac, B. H., Nguyen, H., Thao, N. T. T., Hanh, ...
Chang, H., & Jung, I. W. (۲۰۱۰). Spatial and temporal ...
Daba, M. H. (۲۰۱۰). Sensitivity of SWAT Simulated Runoff to ...
Daba, M. H., & You, S. (۲۰۲۰). Assessment of climate ...
Daba, M., & Rao, G. N. (۲۰۱۶). Evaluating potential impacts ...
Di, C., Yang, X., & Wang, X. (۲۰۱۴). A four-stage ...
Emami, F., & Koch, M. (۲۰۱۹). Modeling the impact of ...
Fathian, F., Mehdizadeh, S., Sales, A. K., & Safari, M. ...
Fernando, A., Shamseldin, A., & Abrahart, R. (۲۰۱۱). Comparison of ...
Fiseha, B. M., Setegn, S. G., Melesse, A. M., Volpi, ...
Ghasemain, B., Asl, D. T., Pham, B. T., Avand, M., ...
Ghorbani, M. A., Deo, R. C., Yaseen, Z. M., H. ...
Goodarzi, E., Dastorani, M., & Talebi, A. (۲۰۱۵). Evaluation of ...
Halik, G., Anwar, N., Santosa, B., & Edijatno. (۲۰۱۵). Reservoir ...
He, Z., Wen, X., Liu, H., & Du, J. (۲۰۱۴). ...
Hodgkins, G. A., Whitfield, P. H., Burn, D. H., Hannaford, ...
IPCC. Climate Change. (۲۰۱۳). In The Physical Science Basis Working Group ...
IPCC. Climate Change. (۲۰۱۷). The Physical Science Basis; IPCC: Geneva, Switzerland ...
Kayhomayoon, Z., Naghizadeh, F., Malekpoor, M., Arya Azar, N., Ball, ...
Kusangaya, S., Warburton, M. L., Van Garderen, E. A., & ...
Lupo, A., Kininmonth, W., Armstrong, J. S., & Green, K. ...
Masson-Delmotte, V., Zhai, P., Pirani, A., Connors, S. L., Péan, ...
Meshram, S. G., Ghorbani, M. A., Shamshirband, S., Karimi, V., ...
Milan, S. G., Kayhomayoon, Z., Azar, N. A., Berndtsson, R., ...
Mitsova, D. (۲۰۱۴). Coupling land use change modeling with climate ...
Nguyen, X. H. (۲۰۲۰). Combining statistical machine learning models with ...
Sammen, S. S., Ghorbani, M. A., Malik, A., Tikhamarine, Y., ...
Shariati, M., Mafipour, M. S., Mehrabi, P., Bahadori, A., Zandi, ...
Taye, M. T., Dyer, E., Hirpa, F. A., & Charles, ...
Tikhamarine, Y., Malik, A., Kumar, A., Souag-Gamane, D., & Kisi, ...
Zabardast Rostami, H. A., Raeini Sarjaz, M., & Gholami Sefidkouhi, ...
Zhang, H., Singh, V. P., Wang, B., & Yu, Y. ...
نمایش کامل مراجع