مدلسازی دبی جریان رودخانه با استفاده از مدلهای چندمتغیره تلفیقی سری زمانی
Authors
Abstract:
چکیده بیش از سه دهه است که هیدرولوژیستها، استفاده از مدلهای چند متغیره را جهت توصیف و مدلسازی دادههای پیچیده هیدرولوژی، توصیه میکنند. درحالی که به تازگی اهمیت مدلهای چند متغیره در هیدرولوژی مطرح شده است. در واقع در مدلهای چند متغیره با دخالت دادن عوامل مؤثر هواشناسی، میتوان نتایج توصیف، مدلسازی و پیشبینی پارامترهای مختلف را بهبود بخشید. همچنین از آنجا که مدلهای غیرخطی واریانس شرطی، بخش باقیمانده مدلهای خطی را به شکل مناسبی مدل میکنند، انتظار میرود با ترکیب مدلهای خطی و غیرخطی، دقت مدلسازی و پیشبینیها افزایش یابد. در این مطالعه دو مدل چند متغیره دورهای آرما و چند متغیره تلفیقی با واریانس شرطی جهت مدلسازی دبی ماهانه رودخانههای نازلوچای، بابلرود و هامون به ترتیب واقع در استانهای آذربایجان غربی، مازندران و سیستان و بلوچستان در دوره آماری 1390-1341 (50 ساله) تحت تأثیر پارامترهای دما و بارش ایستگاه سینوپتیک حوضهها مورد مقایسه قرار گرفتند. نتایج بررسی و صحت سنجی دادههای مدلشده نشان داد که هر دو مدل مورد بررسی از دقت بالایی برخوردار هستند. در این مطالعه در تمام موارد مدل چند متغیره تلفیقی با واریانس شرطی از دقت بیشتری نسبت به مدل چند متغیره دورهای آرما برخوردار بودند. همچنین نتایج نشان داد که با ترکیب دو مدل ذکر شده، میزان خطای مدل (جذر میانگین مربعات خطا) به ترتیب در ایستگاههای نازلوچای، بابلرود و هامون حدود 30، 17 و 1 درصد بهبود مییابد. بهطور کلی نتایج نشان داد که کاربرد هر دو مدل مورد استفاده در مناطق معتدل ایران دقت بالاتری دارد.
similar resources
پیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی
شبیهسازی جریان رودخانه بهمنظور آگاهی از دبی رودخانه در دورههای زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سالهای آینده، در این مطالعه دبی جریان در سه ایستگاه حاجیقوشان، قرهشور و تمر در حوضۀ آبخیز گرگانرود برای سالهای آبی 90-1381 شبیهسازی شد. بهمنظور شبیهسازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و دادهکاوی در قالب ماشین بردار پشتیبان...
full textپیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی
شبیهسازی جریان رودخانه به منظور آگاهی از دبی رودخانه در دوره های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سالهای آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی قوشان، قره شور و تمر در حوضۀ آبخیز گرگانرود برای سالهای آبی 90-1381 شبیهسازی شد. به منظور شبیهسازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (ar) و داده کاوی در قالب ماشین بردار پشتیبان...
full textپیشبینی دبی ماهانه رودخانه کاکارضا با استفاده از مدلهای سری زمانی، ARIMA فصلی
بررسی و شناخت تغییرات زمانی دبی پایه در مطالعات حوزههای آبخیز بخصوص در فصول با جریان کم اهمیت زیادی دارد. به همین منظور مدلهای مختلف آماری و احتمالاتی ارائه و توسعه دادهشده است. هدف از این پژوهش بررسی سری زمانی30 ساله مربوط به دبی متوسط ماهانه رودخانه کاکارضا در شهرستان سلسله در استان لرستان میباشد. در گام اول توابع خودهمبستگی و خودهمبستگی جزئی دادههای واقعی در نرمافزار XLSTAT ترسیم ...
full textمدلسازی هوشمند سری زمانی جریان ماهانه حوضه رودخانه شور قروه با شبکه عصبی مصنوعی
پیش بینی دقیق جریان در رودخانه ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه اتخاذ تدابیری مناسب در مواقع سیلاب و بروز خشکسالی هاست. در حقیقت حصول روشهای مناسب و دقیق در پیش بینی جریان رودخانه ها را می توان به عنوان یکی از چالشها در فرآیند مدیریت و مهندسی منابع آب دانست. در این پژوهش برای مدلسازی هوشمند سری زمانی جریان ماهانه از یک دوره ی آماری26ساله (1389-1364) استفاده شد. جهت دست...
full textارزیابی عملکرد مدلهای سری زمانی چند متغیره تلفیقی، MPAR و MPAR-ARCH در مدلسازی دبی جریان رودخانه با درنظر گرفتن عوامل مؤثر هواشناسی (مطالعه موردی: رودخانه نازلوچای)
بیش از سه دهه است که هیدرولوژیستها، استفاده از مدلهای چندمتغیره را جهت توصیف و مدلسازی پدیدههای پیچیده هیدرولوژی، توصیه میکنند. در مدلهای چند متغیره با دخالت دادن عوامل مؤثر، میتوان نتایج توصیف، مدلسازی و پیشبینی متغیرهای مختلف را بهبود بخشید. همچنین از آنجا که مدلهای غیرخطی واریانس ناهمسان شرطی، بخش باقیمانده مدلهای خطی را بهطور رضایتبخشی مدل میکنند، انتظار میرود، با ترکیب مد...
full textMy Resources
Journal title
volume 8 issue 4
pages 47- 63
publication date 2018-08-23
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