پیش بینی رواناب با استفاده از مدل های هوشمند | ||
| مجله اکوهیدرولوژی | ||
| مقاله 3، دوره 4، شماره 4، 1396، صفحه 955-968 اصل مقاله (825.81 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2017.63228 | ||
| نویسندگان | ||
| محبوبه معتمدنیا1؛ احمد نوحه گر2؛ آرش ملکیان* 3؛ مریم صابری4؛ کمال کریمی5 | ||
| 1دکتری علوم و مهندسی آبخیزداری | ||
| 2استاد گروه آموزش، برنامه ریزی و مدیریت محیط زیست، دانشکدۀ محیط زیست، دانشگاه تهران، کرج | ||
| 3دانشیار گروه احیای مناطق خشک و کوهستانی، دانشکدۀ منابع طبیعی، دانشگاه تهران، کرج | ||
| 4مدرس دانشگاه فنی و حرفه ای، یزد | ||
| 5رئیس ادارۀ منابع طبیعی شهرستان بافق | ||
| چکیده | ||
| پیشبینی رواناب رودخانهها بهدلیل اهمیت زیاد آن در برنامهریزیها، بهرهبرداری از مخازن و همچنین مدیریت آبهای سطحی همواره مورد توجه مسئولان، برنامهریزان و مهندسان آب و منابع آبی بوده است. از طرفی، بهدلیل تغییرات زمانی و مکانی موجود، روابط غیرخطی و عدم قطعیت و بسیاری از عوامل دیگر پیشبینی رابطۀ بارشـ رواناب بسیار مشکل است، اما امروزه استفاده از سامانههای هوشمند در پیشبینی چنین پدیدههای پیچیدهای میتواند مفید و مؤثر باشد. در این پژوهش سعی شده است با استفاده از دادههای هواشناسی و هیدرومتری طی دورۀ زمانی 1349-1350 تا 1390-1391 رواناب در حوضۀ آبخیز امامه با استفاده از مدلهای شبکۀ عصبی پرسپترون چندلایه، تابع پایۀ شعاعی و سیستم عصبی فازی تطبیقی تخمین زده شود. نتایج نشان داد از بین مدلهای یادشده سیستم عصبی فازی تطبیقی عملکرد بسیار زیادی داشته است و بهخوبی میتواند رواناب را پیشبینی کند بهطوریکه با توجه به خطاها ساختار 54 با هشت ورودی شامل بارندگی و دبی تا تأخیر دو روز و دما، تبخیر و تعرق و رطوبت نسبی همان روز که دارای تابع عضویت گوسی و جداسازی از نوع خوشهای با خطای MSE، RMSE و MAE بهترتیب 001/0، 025/0 و 008/0 در مرحلۀ آموزش و 001/0، 026/0 و 008/0 در مرحلۀ آزمایش بهعنوان بهترین مدل حوضۀ امامه بوده است. | ||
| کلیدواژهها | ||
| حوضۀ آبخیز معرف امامه؛ رابطۀ بارشـ رواناب؛ مدلهای هوشمند | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,436 تعداد دریافت فایل اصل مقاله: 1,062 |
||