شبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)
Authors
abstract
سیل، یکی از پدیده های ویرانگر طبیعی است که پیش بینی 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 پس انتشار 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 شبیه سازی بارش- رواناب، مدلی است با ساختار1-32-6 نرون در لایه های ورودی، پنهان و خروجی که مقادیر میانگین مربعات خطای مدل در مراحل مختلف آزمایش، صحت سنجی و آزمون به ترتیب؛ 23/0، 19/0 و 21/0 و ضریب همبستگی در بهترین سناریو به ترتیب؛ 98%، 97% و 96% می باشد که حاکی از همبستگی بالا و معنی داری بین مقادیر مشاهداتی و مقادیر پیش بینی شده دارد. نتایج حاصل، توانایی بالای شبکه عصبی مصنوعی در مدله نمودن بارش- رواناب را به هنگام استفاده از پارامترهای ؤئومورفولوژیکی در حوضه فریدن به خوبی نشان می دهد.
similar resources
شبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی
This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...
full textشبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجی‌قوشان)
full text
الگوی جدید بارش- رواناب حوضه آبریز هلیل رود با استفاده از مدل هیبرید شبکه عصبی- موجکی
برآورد سیلاب و مدیریت آن از دیرباز مورد توجه کارشناسان و مدیران علوم محیطی بوده است. برای این امر روش‌‌های بسیاری وجود دارد که یکی از چشم‌گیرترین آن‌‌ها استفاده از شبکه‌‌های عصبی مصنوعی است. در این تحقیق، مدل بارش- رواناب حوضه آبریز رودخانه هلیل رود در جنوب‌شرق ایران ارائه شده است. ظهور تئوری‌های توانمند مانند منطق فازی و شبکه‌‌های عصبی مصنوعی(ANN)، الگوریتم ژنتیک و موجک تحولی عظیم در تحلیل رفت...
full textشبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)
برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...
full textشبیه 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...
full textMy Resources
Save resource for easier access later
Journal title:
جغرافیا و برنامه ریزی محیطیجلد ۲۴، شماره ۳، صفحات ۲۵-۴۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023