بازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون)
Authors
Abstract:
برای برآورد دبی روزانه در مدلهای هیدرولوژی نیاز به دبیهای پیوسته در بازه زمانی روزانه هست. تعداد سالهای آماری متفاوت، نواقص آماری و خطای اندازهگیری باعث ایجاد سریهای زمانی با پایه زمانی غیرمشترک میگردد. بنابراین بازسازی دادههای دبی روزانه از اهمیت ویژهای برخوردار است. این تحقیق بهمنظور بازسازی دبی روزانه در یکی از سرشاخههای رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقیق با استفاده از دادههای دبی روزانه دو ایستگاه بالادست و روشهای شبکه عصبی، فازی-عصبی و رگرسیون دومتغیره دبی روزانه ایستگاه پائیندست بازسازی گردید. در مرحله دوم با گروهبندی مقادیر دبی به سالهای خشک، نرمال و مرطوب دبی روزانه بازسازی شد. نتایج نشان داد روشهای شبکه عصبی و فازی دارای دقت بالاتری نسبت به روش رگرسیون دومتغیره برای بازسازی دبی روزانه بود. بین مدلهای مختلف شبکه عصبی و فازی مدل شبکه عصبی پرسپترون (MLP)دارای قابلیت مناسبتری نسبت به بقیه مدلها است. همچنین گروهبندی دبی به سالهای خشک، نرمال و مرطوب باعث کاهش خطا در بازسازی دبی روزانه گردید. بر اساس شاخص میانگین خطای نسبی (MRE) به ترتیب سالهای نرمال، مرطوب و خشک کمترین خطا در بازسازی دبی روزانه را دارند.
similar resources
تخمین دبی اوج سیلاب و حجم رواناب رگبار با استفاده از شبکه عصبی- فازی تطبیقی (مطالعه موردی: حوزه آبخیز کسیلیان)
Prediction of flood peak discharge and runoff volume is one of the major challenges in the management of watersheds. The present study was carried out to estimate event flood peak discharge and runoff volume using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) in Kasilian watershed, Iran. For this purpose, 15 rainfall characteristics were considered for 6...
full textارزیابی سه روش برآورد دبی متوسط روزانه و دبی سیل (شبکه های عصبی مصنوعی، شبکه عصبی مصنوعی-فازی و رگرسیون چند متغیره) در حوزه آبخیز رودخانه خرم آباد
چکیده رودخانه ها به عنوان شریان های حیاتی از دیر باز مورد توجه خاص بشر بوده، ولی وقوع سیل های خطرناک باعث تخریب تأسیسات احداثی در مسیر رودخانه می شود لذا لازمه محاسبه دقیق دبی طرح ضروری است. در این راستا حوزه آبخیز رودخانه خرم آباد با وسعتی معادل1664 کیلومتر مربع حدود 16% وسعت حوزه کشکان را در بر گرفته و در خروجی این حوزه ایستگاه هیدرومتری چم انجیر با 58 سال آمار وجود دارد، در پژوهش حاضر دبی م...
15 صفحه اولمدلسازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان
Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...
full textپیشبینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)
در طی سالهای اخیر پیشبینی فرآیندهای هیدرولوژیکی به منظور بهرهبرداری پایدار از منابع آب با استفاده از روشهای هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهرهگیری از شبکههای عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) اقدام به پیشبینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. بر...
full textمقایسه روش های برآورد دبی پایه بر اساس تفکیک هیدروگراف جریان(مطالعه موردی حوزه آبخیز کارون)
برآورد میزان مشارکت آب های زیرزمینی در دبی جریان در یک حوزه آبخیز یکی از مهم ترین مباحث مدیریت منابع آب و هیدرولوژی می باشد. در این مقاله سهم آب های زیرزمینی در کل رواناب به عنوان شاخص جریان پایه در تعدادی از حوزه های آبخیز در جنوب غرب ایران بر اساس روش های تفکیک هیدروگراف جریان تعیین گردید. هدف اصلی در این تحقیق تشخیص مناسب ترین روش اتوماتیک تفکیک هیدروگراف جریان و برآورد دبی پایه می باشد. روش...
full textMy Resources
Journal title
volume 69 issue 2
pages 503- 514
publication date 2016-06-21
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023