پیشبینی جریان روزانه رودخانه با استفاده از مدل هیبرید موجک و شبکه عصبی؛ مطالعه موردی ایستگاه هیدرومتری ونیار در حوضه آبریز آجی چای
Authors
Abstract:
با توجه به اهمیت پیشبینی جریان رودخانه در مدیریت منابع آب روشهای مختلفی برای مدل کردن جریان رودخانهها بکار برده میشوند. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه نیز برای پیشبینی سری زمانی جریان روزانه ایستگاه ونیار، با توجه به ویژگیهای غیرخطی مقیاسهای زمانی چندگانه، مدل هیبرید شبکه عصبی و موجک پیشنهاد شده است. برای این هدف سری زمانی اصلی به مدت 35 سال بوسیله تبدیل موجکی به 11 زیرسری زمانی چند فرکانسی تجزیه شده، و سپس برای پیشبینی جریان یک و دو و سه و چهار روز آینده، این سریها بعنوان دادههای ورودی به مدل شبکه عصبی مصنوعی وارد شد. نتایج بدست آمده از تبدیل موجک-شبکه عصبی با نتایج حاصل از کاربرد شبکه عصبی، مقایسه شده و ملاحظه گردید که روش موجک-شبکه عصبی نسبت به روش شبکه عصبی دقت پیش بینی بالاتری دارد و همچنین دقت پیش بینی در هر دو مدل با افزایش تعداد تأخیرها در نرون خروجی کاهش می یابد. لازم بذکر است که در پیش بینی توسط شبکه عصبی- موجکی از دو موجک هار و میر استفاده شد که نتایج شبیه سازی توسط موجک میر به مراتب بالاتر از موجک هار بود.
similar resources
مقایسه فیلترینگ امواج تجزیه موجکی و میانگینهای متحرک (مطالعه موردی: ایستگاه ونیار در حوضه آجی چای)
دراین مطالعه رابطه بین امواج تجزیه شده جریان روزانه رودخانه آجی چای درایستگاه ونیار از طریق موجک و فیلتر میانگین متحرک مورد بررسی قرار گرفته است .ابتدا با استفاده از تجزیه موجک، توزیع فرکانسهای سری زمانی جریان روزانه براساس مقیاس به فرکانسهای بالا و پایین تجزیه و زیر سریهای تقریبی برای مقیاسهای بالاتر برآورد گردیده است. درمرحله بعد فیلتر میانگین متحرک برای کاهش و حذف نویزهای تصادفی در سری د...
full textپیشبینی گروهی جریان با استفاده از مدل هیبرید بارش رواناب (مطالعه موردی حوضه آبریز رود زرد)
یکی از مهمترین اطلاعات در بهرهبرداری مطلوب از منابع آب، اطلاعات مربوط به پیشبینی آبدهی در آینده است. دراستفاده از اطلاعات پیشبینی جریان در نظر گرفتن عدم قطعیتهای موجود از اهمیت به سزایی برخوردار است. پیشبینی گروهی جریان یکی از روشهایی است که عدم قطعیت پیشبینی به دلیل عدم اطلاعات دقیق پدیدههای هواشناسی را پوشش میدهد. هدف از این تحقیق تولید و ارزیابی پیشبینی گروهی جریان ماهانه برای حوض...
full textبرآورد غلظت رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی و خوشهبندی دادهها به روش نگاشت خود سازمانده (مطالعه موردی: ایستگاه هیدرومتری سیرا - رودخانه کرج)
full text
الگوی جدید بارش- رواناب حوضه آبریز هلیل رود با استفاده از مدل هیبرید شبکه عصبی- موجکی
برآورد سیلاب و مدیریت آن از دیرباز مورد توجه کارشناسان و مدیران علوم محیطی بوده است. برای این امر روشهای بسیاری وجود دارد که یکی از چشمگیرترین آنها استفاده از شبکههای عصبی مصنوعی است. در این تحقیق، مدل بارش- رواناب حوضه آبریز رودخانه هلیل رود در جنوبشرق ایران ارائه شده است. ظهور تئوریهای توانمند مانند منطق فازی و شبکههای عصبی مصنوعی(ANN)، الگوریتم ژنتیک و موجک تحولی عظیم در تحلیل رفت...
full textپیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)
پیشبینی دقیق جریان در رودخانهها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالیها است. به دلیل اهمیت پیشبینی جریان رودخانه، در این تحقیق جریان روزانه رودخانهی باراندوزچای در دو ایستگاه بیبکران و دیزج طی یک دورهی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) میباشد، پیشبینی گرد...
full textتخمین هدایت الکتریکی رودخانه ها با استفاده از شبکه عصبی موجک (مطالعه موردی: رودخانه کاکارضا)
Electrical conductivity (EC) is an important factor in river engineering, especially studying of river water quality. In this study we studied and evaluated wavelet neural network to predict the electrical conductivity of the Kakareza river (in lorestan), and the results were compared with results of artificial neural network model. For this purpose, hydrogen carbonate, chloride, sulfate, ...
full textMy Resources
Journal title
volume 4 issue 2
pages 113- 128
publication date 2014-02-20
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