کاربرد تکنیک شبکه عصبی مصنوعی در برآورد دبی حداکثر لحظه ای سیلاب و مقایسه آن با روش های تجربی، مطالعه موردی: حوضه های آبخیز شمال نیشابور
Publish place: Fifth Flood Management and Engineering Conference
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 582
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IFMC05_056
تاریخ نمایه سازی: 2 تیر 1397
Abstract:
سیل از جمله پدیده های طبیعی است که هرساله خسارات جانی و مالی زیادی را در دنیا و از جمله ایران به بارآورده و مشکلات عدیده ای را بر سر راه توسعه اقتصادی و اجتماعی کشورها ایجاد می نماید. تغییر اقلیم و گرمایشی زمین حاصل از عوامل انسانی، عدم پراکنش منظم ریزش های جوی و از بین رفتن پوشش گیاهی به عنوان مهم ترین عوامل تشدیدکننده سیل می باشند که در دهه های اخیر در سطح کره زمین بیشتر خودنمایی می کنند. بررسی سیلاب و روش های برآورد دبی سیلاب به علت اهمیت فراوان موضوع در جلوگیری از خسارات مالی و جانی، بحث هیدرولوژی آب های سطحی و در نهایت تاثیر در هیدرولوژی آب های زیرزمینی و آبخوان ها و منابع آبی از مسایل درجه اول منطقه ای، کشوری و جهانی می باشد. از جمله روش های برآورد دبی اوج لحظه ای، روش های تجربی شامل رابطه دوم Fuller، Sangal و FilL و Steiner روش شبکه عصبی مصنعی می باشند که مدل شبکه عصبی نسبت به روش های دیگر به دلیل روشی نوین در حل مسایل مهندسی آب و رودخانه ها و داشتن دقت و سرعت کافی در برآورد دبی اوج لحظه ای دارای مزیت و برتری می باشد هدف از انجام این تحقیق مقایسه کارایی روش شبکه عصبی مصنوعی و روش های تجربی در برآورد دبی اوج لحظه ای در تعدادی از ایستگاه های هیدرومتری حوض های آبخیز شمال شهرستان نیشابور واقع در استان خراسان رضوی می باشد. برای این منظور آمار دبی حداکثر رودخانه و دبی اوج لحظه ای پنج ایستگاه هیدرومتری در طی یک دوره آماری 30 ساله جمع آوری شد و پس از رفع نواقص آماری و حذف داده های پرت، مقادیر دبی اوج لحظه ای بها استفاده از روش شبکه عصبی مصنوعی و روش های تجربی ذکر شده در نرم افزار متلب براورد شدند. سپس نتایج به دست آمده از روش شبکه عصبی مصنوعی و روش های تجربی ذکر شده براساس معیارهای RMSE، MAE و R2 مورد ارزیابی قرار گرفتند. نتایج نشان داد که دامنه R2 در مدل شبکه عصبی بین 0/80 تا 0/96 در روش رابطه دوم Fuller 0/36 تا 0/68، در روش Sangal 0/46 تا 0/74 و در روش Fill و Steiner 0/38 تا 0/82 می باشد. با توجه به اینکه مقدار R2 بالاتر نشان دهنده دقت بیشتر و خطای کمتر مدل می باشد لذا براوردهای شبکه عصبی در مقایسه با روش های تجربی دارای دقت بالاتر و خطای پایین تر بوده و توانسته است تغییرات دبی اوج لحظه ای را بهتر از روابط تجربی ذکر شده برآورد نماید و مناسب ترین و کارآمدترین روش برآورد دبی سیلاب در منطقه مطالعه می باشد.
Keywords:
Authors
محمدحسین جهانگیر
استادیار گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین دانشگاه تهران
هادی روحی طرقی
دانشجوی کارشناسی ارشد اکوهیدرولوژی، دانشکده علوم و فنون نوین دانشگاه تهران