اولویت بندی مدل های تخمین دبی رودخانه زرینه رود با استفاده ازفرآیند تحلیل سلسله مراتبی
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 857
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACA01_337
تاریخ نمایه سازی: 24 خرداد 1393
Abstract:
با توجه به اینکه دبى جریان رودخانه یک کمیت تصادفى مى باشد، جهت تخمین درست آن نیازمند در نظر گرفتن ارتباط سال هاى مختلف با همدیگر هستیم. این ارتباط معمولاً خطى نبوده و ما نیازمند تحلیل غیر خطى داده ها هستیم.هدف از این تحقیق، بررسى قابلیت مدل هاى هوشمند ازقبیل شبکه هاى عصبى مصنوعى و برنامه ریزى ژنتیک که هر دو مدل از جمله محاسبات نرم فراکاوشى هستند که در مدلسازى مدل هاى غیر خطى توانایی قابل توجه دارند وهمچنین مدل رگرسیون خطى چندکانه که رایج ترین مدل محاسبه سخت می باشد، در تخمین دبى رودخانه پست. این مدل ها در حوضه آبریز رودخانه زرینه رود واقع در شهر ستان میاندوآب آدربایجان غربى مدل سازى شده اند. در این مدل ها جهت تخمین دبى جریان رودخانه از داده هاى دبى جریان روزانه پیشین و همینطور بارش روزانه استفاده شده است. در این تحقیق به منظور معرفى مفهوم پریود زمانى یک سال، به شبکه ها از اعداد 1 تا 365 بصورت تناوبى استفاده شد. در نهایت نتایج هرکدام از مدل ها با داده هاى مشاهداتی توسط معیار هاى ضریب تبیین R2 و جذر میانگین مربعات خطا (RMSE) و پارامتر دقت نش ساتکلیف(R-S ) و همینطور نمودارهاى پراکنش و سرى هاى زمانى، زمان محاسبه نرم افزاروتعداد ورودى لازم نرم افزار جهت محاسبه شبکه برآورد شده و توسط فرآیند تحلیل سلسله مراتبى باهم مقایسه و مشاهده گردید که نتایج بدست آمده در هر سه مدل از دقت قابل قبول و خطاى پایینى برخوردار هستند و در حالت کلى مدل شبکه هاى عصبى مصنوعى به عنوان بهترین مدل براى حوضه ى مورد مطالعه توصیه گردیده است
Keywords:
Authors
سینا حسنی فامیان اصل
دانشجوی کارشناسی ارشد عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد مراغه ایران
محمدعلی قربانی
دانشیارگروه مهندسی آب دانشکده کشاورزی دانشگاه تبریز ایران
رسول دانشفراز
استادیار گروه عمران دانشکده فنی مهندسی مراغه دانشگاه مراغه 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 :