ارزیابی مدلهای هوش مصنوعی در مدل‌سازی جریان رودخانه، مطالعه موردی: رودخانه گاماسیاب
Authors
Abstract:
با پیشبینی جریان رودخانه‌ها علاوه بر مدیریت بهره‌برداری از منابع آب، می‌توان حوادث طبیعی نظیر سیل و خشکسالی را نیز پیشبینی و مهار کرد. استفاده از مدلهای جدید در این زمینه می‌تواند به مدیریت و برنامه‌ریزی صحیح کمک کند. در این مطالعه، به ارزیابی سه مدل به نامهای، برنامه‌ریزی بیان ژن (GEP)، شبکه بیزین (BN) و ماشین بردار پشتیبان (SVM) پرداخته شده است. دادههای مورد استفاده برای این پژوهش، دادههای بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره 10 ساله (1391-1381) می‌باشد. نتایج نشانگر برتری نسبی مدل برنامه‌ریزی بیان ژن نسبت به بقیه مدل‌ها بود و مدل ماشین بردار پشتیبان (SVM) تقریبا عملکرد بهتری نسبت به شبکه بیزین در مدل‌سازی جریان روزانه رودخانه داشت. علاوه بر این، سرعت اجرای مدل برنامه‌ریزی بیان ژن نسبت به بقیه مدل‌ها بیشتر بود و در زمان کوتاهی قادر به ارائه نتایج بود. همچنین، مدل SVM در تخمین مقادیر کمینه پایانی نیز دچار بیش برازش شده است. در نهایت مدل برنامه‌ریزی بیان ژن با ضریب تبیین 0.9230 و جذر میانگین مربعات 0.5867 در مرحله آموزش و ضریب تبین 0.9025 و جذر میانگین مربعات 0.4936 در مرحله تست، به‌عنوان مدل برتر انتخاب شد.
similar resources
کاربرد 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 textارزیابی جریان زیست محیطی رودخانه با روشهای اکو-هیدرولوژیکی (مطالعه موردی : رودخانه مهابادچای)
سابقه و هدف: با توجه به کمبود آب و همچنین توزیع نامناسب مکانی و زمانی بارش، اجرای طرح‌های توسعه منابع آب بویژه سدسازی و انتقال بین حوضه ای آب، گاهی اجتناب ناپذیر خواهد بود. بمنظور پیشگیری از اثرات منفی دراز مدت این طرح‌ها بر اکوسیستم‌های رودخانه‌ای، لازم است نیازمندی‌های هیدرولوژیکی و اکولوژیکی رودخانه در قالب یک نیاز آب زیست محیطی تعریف شده و در تعاملات تخصیص آب مد نظر قرار گیرد. نیازهای زیست ...
full textبررسی تاثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری)
full text
ارزیابی آلودگی فلزات سنگین در رسوبات سطحی رودخانه گاماسیاب نهاوند
در این مطالعه به ارزیابی آلودگی فلزات سنگین رودخانه گاماسیاب واقع در استان همدان پرداخته شد. رودخانه گاماسیاب مهم‌ترین رودخانه شهرستان نهاوند می‌باشد که در مجاور آن فعالیت‌های گسترده‌ای مانند کشاورزی یا پرورش ماهی صورت می‌گیرد بنابراین ارزیابی فلزات سنگین در رسوبات این رودخانه امری اجتناب ناپذیر می‌باشد. نتایج حاصل، روند کاهشی غلظت فلزات سنگین در این رودخانه را به‌صورت Cr> Zn> Ni> As> Pb> Co> M...
full textمقایسه روش های هوش مصنوعی در برآورد بار معلق رسوب (مطالعه موردی: رودخانه سیستان)
سابقه و هدف: برآورد صحیح حجم رسوبات معلق در رودخانه‌ها، یکی از مهم‌ترین مسائل در پروژه‌های مهندسی رودخانه، منابع آب و محیط‌زیست می‌باشد. رودخانه سیستان شاخه اصلی منشعب از رودخانه هیرمند بوده که وظیفه آبیاری 70 درصد زمین‌های کشاورزی دشت سیستان و همچنین تأمین بخشی از آب هامون هیرمند را به عهده دارد. با توجه به مشکلات زیاد ناشی از رسوبات در رودخانه‌ها، محققین علم رسوب تلاش‌های زیادی به‌منظور دستیا...
full textبررسی عملکرد شبکه عصبی مصنوعی در پیشبینی جریان رودخانه (مطالعه موردی: حوضه قره آغاج استان فارس)
In order to river flow forecasting in catchments area in during many years are invented different methods that their efficiency is confirmed. One of these simulation models is neural network that it can draw the existence of truth together with considerable attention. In this research in order to Discharge simulation is investigated meteorological parameters effects on Ghare Aghaj river flow. F...
full textMy Resources
Journal title
volume 11 issue 4
pages 0- 0
publication date 2019-12-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023