پیشبینی جریان روزانه در حوضۀ آبریز رودخانۀ تلوار با مدلهای هوشمند | ||
| مجله اکوهیدرولوژی | ||
| مقاله 17، دوره 5، شماره 1، بهار 1397، صفحه 203-213 اصل مقاله (877.47 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2018.223015.386 | ||
| نویسندگان | ||
| مطلّب بایزیدی* 1؛ فرخ اسدزاده2؛ مهری کاکی3 | ||
| 1استادیارگروه مهندسی آب دانشگاه آزاد اسلامی واحد سنندج | ||
| 2استادیار گروه علوم خاک دانشگاه ارومیه | ||
| 3کارشناسی ارشد مهندسی منابع آب، دانشگاه تبریز | ||
| چکیده | ||
| دبی رودخانهها بهدلیل تغییرات درخور توجه زمانی و مکانی در مطالعات هیدرولوژی و برنامهریزی مدیریت منابع آب اهمیت فراوانی دارد. در علوم مهندسی آب، سعی بر این است که با استفاده از سری زمانی دادههای ثبتشده، اقدام به برآورد جریان رودخانه شود. افزایش دقت پیشبینیهای یادشده میتواند در برنامهریزی دقیق تخصیص منابع آب مؤثر باشد. در این پژوهش از سه روش برنامهریزی بیان ژن، روش حداقل مربعات ماشین بردار پشتیبان و شبکۀ عصبی موجکی برای برآورد جریان رودخانۀ تلوار در حوضۀ آبخیز قروهـ دهگلان استفاده شده و کارایی آنها مقایسه شد. به اینمنظور دادههای 10 سالۀ دبی رودخانه (1381-1391) به منظور مدلسازی استفاده شد. برای مدلسازی با روشهای یادشده، 75 درصد از دادهها به عنوان دادههای آموزش و 25 درصد نیز بهمنزلۀ دادههای اعتبارسنجی مدل استفاده شدند. نتایج بهدستآمده نشان داد پیشبینی مدل جریان با تأخیر دو روز قبل جریان در رودخانه در هر سه روش دقت قابل قبولی دارد، بهطوری که معیار ضریب تبیین در مرحلۀ اعتبارسنجی در بهترین مدل بهترتیب برای برنامهریزی بیان ژن، ماشین بردار پشتیبان و شبکۀ عصبی موجک برابر با 94/0، 92/0 و 90/0 بودند. همچنین، مقایسۀ سه مدل نشان داد روش ماشین بردار پشتیبان نسبت به دو روش دیگر عملکرد بهتری دارد و نیز دقت پیشبینی در این مدل با افزایش تعداد تأخیرها به چهار و پنج روز قبل افزایش مییابد. | ||
| کلیدواژهها | ||
| تخمین جریان؛ رودخانۀ تلوار؛ شبکۀ عصبی موجک؛ مدل برنامهریزی بیان ژن؛ مدل LS-SVM | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,101 تعداد دریافت فایل اصل مقاله: 769 |
||