مقایسه مدلهای خطی و غیرخطی سریهای زمانی در پیشبینی جریان رودخانه (مطالعه موردی رودخانه شهرچای ارومیه)
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 646
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCUIMWR03_367
تاریخ نمایه سازی: 15 اسفند 1393
Abstract:
از بین مدلهای مختلف جهت برازش و پیشبینی جریان رودخانه مدلهای سری زمانی به دلیل تلفیق بخش تصادفی با بخش جبری، تطابق بیشتری با داده های هیدرولوژیکی دارد. فرآیند جریان رودخانه می تواند در مقیاس های مختلف زمانی و مکانی غیرخطی باشد هرچه مقیاس زمانی کوچکتر میشود، شدت غیرخطی بودن افزایش مییابد به طوری که سریهای سالانه خطی و سریهای ماهانه جریان میتواند غیر خطی باشند. در این تحقیق از داده های 31 ساله دبی جریان سالانه و ماهانه رودخانه شهرچای ارومیه واقع در استان آذربایجان غربی، جهت انتخاب و برازش مدل سری زمانی مناسب استفاده شده است. نتایج نشان داد از بین مدلهای خطی خانواده ARMA برای جریان ماهانه مدل ARMA(1,2) مدل منتخب برای داده های جریان این رودخانه میباشد. در ضمن برای جریان ماهانه مدل غیرخطی Bilinear(1,2,1,1) نیز برازش داده شد. نتایج اینتحقیق نشان داد برای جریان ماهانه مدل غیرخطی بیلینیر خطای کمتری داشته و مناسبتر است. طبق نتایج حاصله مدل غیر خطی بیلینیر در عین سادگی و شباهت به مدل های خطی، نتایج مطلوبی در پیشبینی جریان رودخانه شهرچای ارومیه داشته است و میتوان از این مدل در پیشبینی داده های مختلف هیدرولوژیکی کوتاه مدت رودخانه نظیر جریان ماهانه رودخانه استفاده کرد.
Keywords:
Authors
کیوان خلیلی
استادیار، گروه مهندسی آب، دانشگاه، ارومیه
فرشاد احمدی
دانشجوی کارشناسی ارشد مدیریت منابع آب، گروه مهندسی آب، دانشگاه تبریز
مریم ثاقبی
دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشگاه ارومیه
جواد بهمنش
استادیار، گروه مهندسی آب، دانشگاه، ارومیه
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 :