ارزیابی تأثیر نرمال سازی توزیع احتمالاتی رواناب ماهانه بر عملکرد مدل های SVM و ANN در شبیه سازی جریان ماهانه رودخانه ها (مطالعه موردی: حوزه زرینه رود)
Authors
Abstract:
Accurate estimation of river flows is one of the fundamental activities in water resources management of river basins. Artificial neural network (ANN) and support vector machine (SVM) are the most important data mining models that can be considered for this purpose. Due to the data-based attribute of these models, probability distribution of data may have a considerable effects on their performance in river flow simulation. In order to, Zarrineh Rud River basin was selected as a study area and the investigations were done for three hydrometric stations located in this basin. In this regard, first monthly runoff probability distribution of stations were studies based on Shapiro- Wilk test and then normalization of data distribution were done. Then the performance of ANN and SVM models in monthly river flow simulation of three stations was evaluated for initial observed and normal data. Based on the results of this study, the values of 0.71, 5.93 (m3/sec), 0.80, 6.58 (m3/sec) and 0.82, 22.9 (m3/sec) were obtained for correlation coefficient (CC) and root mean square errors (RMSE) indicators in the ANN model for Safakhaneh, Santeh and Polanian stations respectively in the testing period. In the SVM model, the values of 0.70, 6.34 (m3/sec), 0.78, 7.02 (m3/sec) and 0.79, 24.31 (m3/sec) were obtained for these indicators in the mentioned stations respectively. The results showed that in river flow simulation by ANN model values of CC increase 6%, 14% and 11% and RMSE values decrease 9%, 19% and 6% for Polanian, Santeh and Safakhaneh stations respectively in the testing period due to normalization of data probability distribution. For SVM model, due to normalization of data probability, CC value increases 10% and RMSE value decrease 16% only for Santeh station. Also the results showed that the ANN model with normal input data has high performance in estimation of monthly river flow compared to the SVM model in each of the three hydrometric stations.
similar resources
پیش بینی سناریوهای احتمالاتی ماهانه جریان رودخانه با رویکرد ESP (مطالعه موردی: رودخانه هلیل رود)
پیشبینی جریان ورودی به مخزن سد، ابزاری اساسی در مدیریت بهینه منابع آب محسوب میشود. ضرورت ارتقاء دقت و بازه زمانی پیشبینی جریان، برای بخش کشاورزی که بزرگترین مصرفکننده آب محسوب میشود، بارزتر میباشد. در این راستا استفاده از رویکردهای احتمالاتی برای پیشبینیهای بلندمدت جریان و احتساب عدم قطعیت پیشبینی، توصیه شده است. هدف تحقیق حاضر ارائه مدلی برای پیشبینی احتمالاتی جریان ورودی به مخزن س...
full textکاربرد مدلهای شبکه عصبی مصنوعی و مدل M5 در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)
مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می‌دهد. روشهای هوش مصنوعی میتوانند کارایی بالایی جهت شبیهسازی جریان رودخانه در مقیاسهای مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیهسازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیهسازی دادههای دبی جریان ماهانه در این ای...
full textشبیه سازی توزیع دوبعدی سرعت جریان در رودخانه ها به کمک روش چیو (مطالعه موردی: رودخانه گرگان رود)
حل توزیع دوبعدی سرعت جریان در رودخانهها (در جهات عرضی و عمقی) برای مدلسازی بسیاری از فرایندهای هیدرولیکی از قبیل استخراج رابطۀ دبی‌ـ اشل رودخانه، محاسبۀ انتقال رسوب معلق و نیز تعیین تنش برشی مرزی نیاز است. در این تحقیق با استفاده از روش احتمالاتی چیو، روشی ساده برای شبیهسازی توزیع عرضی و قائم سرعت در رودخانههای مستقیم معرفی شده است. برای واسنجی و صحتسنجی این روش، ایدۀ جدیدی بر مبنای تخمی...
full textشبیه سازی فرآیند بارش- رواناب و مؤلفه های بیلان آب در حوزه آبخیز رودخانه ها (مطالعه موردی: حوزه آبخیز کورکورسر)
full text
مقایسه عملکرد دو مدل هیدرولوژیکیIHACRES و GR2Mدر شبیه سازی جریان ماهانه حوضه آبخیز دره تخت
مدلسازی فرایند بارش-رواناب از اهمیت به سزایی برخوردار میباشد. نتایج مدلهای بارش-رواناب به طور مستقیم در مسائلی از قبیل مدیریت منابع آب، کنترل سیلاب و طراحی سازههای هیدرولیکی مورد استفاده قرار میگیرد. با توجه به تنوع مدلهایبارشرواناب دردسترس، انتخاب یک مدل مناسب برای حوضه از جهت بهرهوری و مدیریت منابع آب مهم میباشد.در این پژوهش کارایی دو مدل بارش–رواناب IHACRES و GR2Mدر شبیهسازی جریان...
full textمقایسه دو مدل بارش- رواناب برای شبیه سازی جریان (مطالعه موردی: حوزه آبریز رودخانه دویرج در استان ایلام)
بیهسازی رواناب در یک حوزه آبخیز، درک و فهم فرآیندهای مؤثر بر تولید رواناب و ویژگیهای جریان رودخانه مانند تغییرپذیری مکانی و زمانی آن را فراهم میکند. این بینش به مدیران و برنامهریزان در تصمیم‌گیری‌های آگاهانه در مدیریت و برنامهریزی منابع آب کمک مینماید. هدف از این پژوهش مقایسه کار آیی مدل پیچیده SWAT و مدل ساده IHACRES در شبیهسازی رواناب حوزه آبریز رودخانه دویرج در استان ایلام است. برای ا...
full textMy Resources
Journal title
volume 8 issue 16
pages 22- 33
publication date 2018-02
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023