بررسی کارآیی مدل‌های هیبرید شبکه عصبی مصنوعی- استوکاستیک در پیش‌بینی خشکسالی‌های هیدرولوژیکی با استفاده از آماره کاپا (مطالعه موردی: حوزه آبخیز رودخانه گاماسیاب)

Authors

  • سلاجقه, علی
  • فاتحی‌مرج, احمد
  • مهدوی, محمد
Abstract:

  خشکسالی یک رخداد طبیعی تکرار­شونده و موقتی است که ناشی از کاهش بارندگی نسبت به میانگین بلندمدت آن می­باشد و می­تواند در هر اقلیمی رخ دهد. از آنجائی که خشکسالی پدیده‌ای تصادفی و غیرخطی است ، استفاده از مدل‌های استوکاستیک خطی، شبکه عصبی مصنوعی و مدل‌های هیبرید می‌تواند در توسعه نتایج پیش‌بینی مفید باشد. مطالعه حاضر به بررسی کارایی مدل‌های ARIMA، شبکه عصبی مصنوعی و مدل هیبرید آریما - شبکه عصبی مصنوعی در پیش‌بینی خشکسالی هیدرولوژی در دو مقیاس زمانی ماهانه و فصلی در دو ایستگاه هیدرومتری واقع در بخش میانی و خروجی در حوزه آبخیز گاماسیاب در دوره آماری (1353- 1387) می‌پردازد و شاخص SDI بعنوان شاخص پیش‌بینی کننده انتخاب گردید. بازه زمانی آماری (1353- 1379) برای مرحله واسنجی و 8 سال باقیمانده جهت مرحله صحت سنجی مدل‌ها مورد استفاده قرار گرفت. نتایج نشان می‌دهد، در میان سه مدل مورد استفاده جهت پیش­بینی یک گام زمانی بعد، ترکیب مدل­های شبکه عصبی- استوکاستیک (هیبرید) نتیجه مناسبی نسبت به مدل‌های مجزای آن­ها در مقیاس ماهانه و فصلی دارد بطوری‌که مقادیر میانگین خطای نسبی و آماره کاپای این مدل در مقیاس زمانی ماهانه در ایستگاه پل‌چهر (بخش خروجی) به ترتیب 79/5% RME=و   565/0K= و در مقیاس زمانی فصلی در ایستگاه دوآب (بخش میانی) 22% RME=و   232/0K= است.

similar resources

تعیین پتانسیل فرسایش خندقی با استفاده از شبکه عصبی مصنوعی، مطالعه ‏موردی: حوزه آبخیز طرود

یکی از انواع فرسایش آبی که باعث ایجاد فرسایش و رسوب در حوزه‌های آبخیز می‌شود و خسارت‌های زیادی به اراضی کشاورزی، مرتعی و تاسیسات زیر بنایی وارد می‌نماید، فرسایش خندقی می‌باشد. در این تحقیق بررسی فرسایش خندقی با هدف تعیین پتانسیل آن با استفاده از روش شبکه عصبی مصنوعی انجام شده است. جهت تعیین پتانسیل فرسایش خندقی از ساختار پرسپترون چندلایه و الگوریتم لونبرگ مارگوت با به‌کارگیری متغیرهای خاک، سنگ‌...

full text

برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)

پدیده­­های فرسایش و انتقال رسوب در رودخانه­ها یکی از مهمترین و پیچیده­ترین موضوعات مهندسی رودخانه می­باشد. این پدیده­ها اثرات ویژه­ای روی شاخص های کیفی آب، کنش کف بستر و کناره های رودخانه داشته و همچنین خسارات جبران ناپذیری به طرح های عمرانی آب وارد می­نماید. پیش­بینی دقیق میزان رسوب رودخانه­ها اهمیت قابل توجهی در مدیریت منابع آب و طراحی و ساخت و همچنین برنامه ریزی در بهره برداری از سازه­های آب...

full text

مدل‌سازی 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 text

مقایسه کارآیی مدل هیدرولوژیکیWetSpa شبکه عصبی مصنوعی و سیستم عصبی- فازی انطباقی ، در شبیه سازی دبی جریان رودخانه (مطالعه موردی: حوضه آبخیز بالوخلوچای استان اردبیل)

پوشش گیاهی حوضههای آبخیز دارد. در سالهای اخیر، مدلهای متنوع کامپیوتری و روشهای هوشمند عصبیجهت تخمین و پیشبینی رواناب و تأثیرات متعدد آن مورداستفاده قرارگرفتهاند. در این تحقیق، عملکرد مدلدر شبیهسازی بارش- رواناب و تخمین دبی روزانه ANFIS و ANN و دو مدل هوشمند WetSpa هیدرولوژیکیحوضه آبخیز بالوخلوچای موردبررسی قرار گرفت. دادههای موردنیاز شامل اطلاعات مربوط به مدل رقومی ارتفاع،نقشههای کاربری اراضی و...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 27

pages  35- 48

publication date 2015-03

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023