شبیه سازی فرایند بارش – رواناب در زیرحوضه ی جنوبی رودخانه ی قره سو با استفاده از مدل شبکه های عصبی مصنوعی(anns)

نویسندگان

طاهره سرمستی

دانشگاه محقق اردبیلی

چکیده

در سال های اخیر، عدم کنترل به موقع رواناب حاصل از بارش های غیر مترقبه، عامل تهدید کننده ای در وقوع سیل محسوب می شود. پیش بینی بارش در مدیریت و هشدار معضل سیل نقش مهمی بر عهده دارد. به منظور جلوگیری از خسارات ناشی از سیل و سعی در کنترل و مهار آن، پیش بینی رواناب امری اجتناب ناپذیر به نظر می رسد زیرا با اطلاع از میزان و شدّت بارندگی، می توان امکان وقوع سیل را پیش بینی و اقدامات لازم را به عمل آورد. حوضه ی آبریز رودخانه ی قره سو به ویژه زیرحوضه ی جنوبی این رودخانه، از حوضه های سیل خیز کشور است لذا در این پژوهش، مقادیر رواناب این زیرحوضه، بر اساس آمار بلند-مدت 4 ایستگاه هیدرومتری نیر، پل الماس، گیلانده و نمین و با استفاده از برخی پارامترهای اقلیمی مؤثر بر میزان رواناب این حوضه (شامل متوسط ماهانه ی دما، رطوبت نسبی، بارندگی، تبخیر) و رواناب سال های قبل و با بهره گیری از مدل شبکه های عصبی مصنوعی(anns) مدل سازی گردید. برای انجام محاسبات، از نرم افزار مت لب 7 استفاده شد. ورودی های شبکه، داده های متوسط ماهانه ی متغیرهای بارش، دبی رودخانه، دما، رطوبت نسبی و تبخیر سال های قبل و خروجی شبکه، مقادیر متوسط پیش-بینی شده ی دبی ماهانه ی زیرحوضه ی جنوبی رودخانه ی قره سو می باشد. این آمار، بازه ی زمانی سال های 1972 تا 2010 را در بر می گیرد. حدود 90 درصد داده ها (35 سال یا 420 ماه) برای آموزش و 10 درصد باقی مانده (4 سال یا 48 ماه)، جهت تست شبکه به کار رفته و برای هر ماه، یک شبکه با خطای کمتر از 5 درصد طراحی شد. تحلیل نتایج خروجی شبکه ی عصبی نشان داد که این مدل، توانایی بهتر و دقت بالاتری برای شبیه سازی بارش - رواناب نسبت به روش های آماری معمول دارد. نتایج همچنین نشان داد که با افزایش فاکتورهای ورودی به شبکه، دقت بالاتری در پیش بینی به دست می آید. میزان ضریب همبستگی شبکه، 998/0 و میانگین خطای هر شبکه با داده های واقعی، 6/2 درصد به دست آمد. نتایج شاخص های عملکرد شبکه (ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مطلق خطا و ضریب همبستگی) نیز نشان دادند که مقادیر ارائه شده برای پیش بینی رواناب حوضه ی مورد مطالعه، قابل قبول است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شبیه سازی فرآیند بارش- رواناب در حوضه آبریز قره سو با استفاده از مدل WMS

برآورد رواناب حاصل از بارش­های جوی اهمیت خاصی در مطالعات هیدرولوژی، مدیریت حوضه­های آبخیز و حفاظت آب و خاک دارد. استفاده از مدل­های شبیه­ساز بارش- رواناب همانند WMS در سال­های اخیر گسترش فراوانی یافته است. این مدل با تلفیق امکانات GIS و مدل­های هیدرولوژیکی رایج به ابزاری قدرتمند برای شبیه­سازی فرآیندهای هیدرولوژیکی حوضه­های آبخیز تبدیل شده است. در این مطالعه برای پیش بینی سیلاب حاصل از بارش حوض...

متن کامل

شبیه سازی جریان رودخانه با استفاده از مدل swat (مطالعه ی موردی: رودخانه قره سو اردبیل)

شبیه سازی جریان رودخانه ها، پیش بینی رفتار هیدرولوژیکی حوزه های آبخیز و درک درستی از مولفه های مختلف چرخه هیدرولوژیکی برای برنامه ریزی در برای حفاظت از منابع آبی حائز اهمیت است. از طرف دیگر، نبودن برآورد مناسب رواناب حاصل از بارش در حوزه های آبخیز، مدیریت بهینه ی منابع آبی به ویژه مدیریت بهره برداری سدها و شبکه ی آبرسانی را دچار مشکل می نماید. در پژوهش حاضر از مدل swat برای شبیه سازی رواناب ماه...

متن کامل

شبیه سازی بارش – رواناب حوضه قره سو با استفاده از مدل swat

زمینه و هدف: شبیه سازی بارش–رواناب در بسیاری از مطالعات هیدرولوژی، از جمله بررسی اثر تغییر اقلیم بر جریان رودخانه، پیش بینی سیلاب و برنامه ریزی منابع آب از اهمیت ویژه ای برخوردار است. مدل swat[1] برای شبیه سازی انتقال جریان، رسوب و متغیرهای کیفی (فسفر و نیتروژن و ...) در حوضه های آبریز استفاده می گردد. مدل swat یک مدل سری زمانی توزیعی با  مبنای فیزیکی می باشد. این مدل قابلیت اتصال به gis[2] را ...

متن کامل

شبیه سازی پیوسته بارش-رواناب حوضه ی شهرچای ارومیه با استفاده از مدل HEC-HMS

چکیده در محاسـبات هیدرولوژیکی یـک حوضه تعیین ارتباط بین بارش- رواناب بسیار مـهم است. محاسبه­ی دقیق بارش­-رواناب در سطح حوضه به شناخت مؤلفه­ها و متغیرهای شکل­دهنده­ی آن و همچنین استفاده از یک مدل مناسب وابسته است. در این مطالعه، بارش-رواناب پیوسته­ی حوضه­ی شهرچای ارومیه با استفاده از مدل هیدرولوژیکی HEC-HMS شبیه­سازی شد. برای این منظور ابتدا مدل حوضه­ی آبخیز با استفاده از نقشه­ی DEM منطقه­ی مور...

متن کامل

شبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)

سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...

متن کامل

شبیه سازی فرآیند بارش - رواناب در حوضه آبریز قره سو با استفاده از مدل wms

مدل wms توسط آزمایشگاه هیدرولیک دانشگاه برینگهام تهیه شده و با تلفیق امکانات gis و مدل های هیدرولوژیکی متنوعی از قبیل tr20، tr55، hec-1، hec-hms و rational و ... که در آن تعبیه شده است، به ابزاری قدرتمند برای شبیه سازی هیدرولوژیکی حوضه های آبریز تبدیل شده است. نرم افزار wms با استفاده از نقشه های رقومی محاسبات مربوط به فیزیوگرافی حوضه را انجام می دهد. در این نرم افزار کلیه محاسبات و خصوصیات فیز...

15 صفحه اول

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
جغرافیا و برنامه ریزی محیطی

جلد ۲۴، شماره ۴، صفحات ۱۱۹-۱۳۴

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023