به کارگیری مدل ترکیبی ARIMA-ANNدر مدل سازی بارش-رواناب-رسوب حوضه آبریز اهرچای
Publish place: 5th National Congress on Civil Engineering
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 1,921
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCCE05_352
Index date: 3 November 2009
به کارگیری مدل ترکیبی ARIMA-ANNدر مدل سازی بارش-رواناب-رسوب حوضه آبریز اهرچای abstract
لزوم پیشبینی فرآیندهای هیدرولوژیکی نقش بسزایی در برنامهریزی استفاده بهینه از مخازن سدها ، سامان دهی رودخانه، هشدار سیل و جلوگیری از صرف هزینه های اضافی دارد. لذا بررسی پدیده بارش– رواناب و به تبعِ آن برآورد دبی رسوبِ رودخانه اهمیتِ خاصی خواهد داشت. در این راستا تخمین بار معلق رسوبات و تدقیق شبیهسازی رواناب- رسوب توجه مدلهای مفهومی را به خود معطوف کرده است. در تحقیق فعلی یک مدلِ ترکیبی که متشکل از دومدل شبکه عصبی و مدل خطی سری زمانی است، ارائه شده و طی آن به مطالعه موردی در زمینه مدلسازی فرآیند رواناب– رسوب رودخانه اهرچای واقع در استان آذربایجانشرقی پرداخته شده است. مدل ترکیبی شامل دو قسمت است؛ قسمت اول مدلسازی فرآیند بارش –رواناب با الگوی سری زمانی ARIMAاست، قسمت دیگر برآورد و تخمین دبی رسوب با استفاده از شبکه های عصبی مصنوعی است که مقدار پیش بینی رسوب را به مقدار واقعی نزدیک میکند. در ادامه نتایج مدل ترکیبی با تک تک روشها براساس معیار کارایی و مقدار خطا مورد مقایسه قرار میگردد، به طوریکه مدل ترکیبی می- تواند جایگزین نسبتاً مناسبی برای پیشبینی فرآیند بارش-رواناب- رسوب باشد که یک مدل نیمه-خطی از فرآیندهای استوکاستیک را ارائه میدهد.
به کارگیری مدل ترکیبی ARIMA-ANNدر مدل سازی بارش-رواناب-رسوب حوضه آبریز اهرچای Keywords:
به کارگیری مدل ترکیبی ARIMA-ANNدر مدل سازی بارش-رواناب-رسوب حوضه آبریز اهرچای authors
وحید نورانی
زیربت استادیار دانشکده مهندسی عمران، دانشگاه تبریز
سمیرا رومیانفر
کارشناس ارشد عمران آب- سازه های هیدرولیکی
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 :