پیش بینی بلند مدت جریان رودخانه با استفاده از روش تحلیل طیف تکین در حوضه کرخه

Authors

  • فرید فروغی دانشجوی دکتری پردیس کشاورزی و منابع طبیعی کرج- دانشگاه تهران و مربی دانشگاه شیراز
Abstract:

در ده‌های گذشته روش‌های مختلفی برای تجزیه و تحلیل و پیش‌بینی متغیرهای فیزیکی استفاده شده است. یکی از آنها، روش آماری تحلیل طیف تکین (SSA) می‌باشد. SSA از روش‌های مورد استفاده در مدل‌سازی فرایندهای مختلف آماری است و اخیراً استفاده از آن در رشته‌های مختلف مهندسی از جمله منابع آب به منظور حذف اجزاء تصادفی موجود در سری‌های زمانی گسترش یافته است. هدف اصلی از این تحقیق پیش‌بینی مقادیر جریان رودخانه‌های حوضه کرخه با استفاده از روش SSA می-باشد. ابتدا ایستگاه‌های شاخص در حوضه کرخه (پنج ایستگاه) برای این کار انتخاب گردید. دوره پر آبی ایستگاه‌ها تعیین شد. برای مدل‌سازی 70 درصد داده‌ها برای واسنجی و 30 درصد داده‌ها برای صحت‌سنجی در نظر گرفته شد. ابتدا از روش SSA برای پردازش اولیّه داده‌ها و حذف نوفه موجود در سری‌های زمانی جریان رودخانه استفاده شد. سپس از الگوریتم بازگشتی روش SSA برای ساخت مدل پیش‌بینی آبدهی رودخانه در ایستگاه‌های حوضه کرخه استفاده شد. برای بررسی عملکرد مدل از معیار جذر میانگین مربعات خطا نرمال شده، میانگین قدرمطلق خطای نسبی و ضریب همبستگی استفاده گردید. در مرحله صحت-سنجی بیشترین مقدار آماره NRMSE و MARE به‌ترتیب برابر 0.47 و 0.5برای ایستگاه‌های پل‌چهر بود. کمترین مقدار آماره NRMSE برای ایستگاه پل دختر و چم انجیر نزدیک به هم و برابر 0.3 و 0.31 و کمترین مقدار آماره MARE برای ایستگاه چم انجیر و پل دختر، نزدیک به هم و برابر 0.29 و 0.30 بود. در نهایت بهترین و ضعیف‌ترین نتیجه در دو مرحله واسنجی و صحت سنجی به‌ترتیب برای ایستگاه‌های چم انجیر و پل‌چهر به‌دست آمد. بر اساس نتایج این تحقیق می‌توان با به‌کارگیری روش SSA مقادیر جریان رودخانه را با دقت مناسب پیش‌بینی نمود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیجیدگی زیاد یا عدم‌  صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی از جمله سیستم می‌باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش‌های رایج، این است که این سیستم بر اساس قواعد اگر- آن‌گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

full text

پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)

روش­های متعددی هم­چون مدل سری­های زمانی، شبکه­های عصبی مصنوعی، منطق فازی، نرو فازی و برنامه­ریزی ژنتیک برای پیش­بینی جریان رودخانه به کار می­رود. در تحقیق حاضر از روش نوین برنامه­ریزی ژنتیک جهت پیش­بینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد.  هم­چنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدل­سازی جریان رودخانه ...

full text

پیش بینی بلند مدت تقاضای آب شرب با استفاده از توابع احتمالاتی (مطالعه موردی: شهر نیشابور)

در این تحقیق برای پیش بینی تقاضای سرانه آب از روش شبیه سازی احتمالاتی استفاده شده است. بعد از تعیین تابع تقاضای آب با جمع آوری اطلاعات مورد نیاز برای شهر نیشابور، مقدار متغیرهای مستقل مؤثر برتخمین تقاضای آب در آینده پیش بینی شد. سپس با استفاده از مدل نقطه ای، مقدار تقاضای سرانه آب در شهر نیشابور پیش بینی گردید. درمرحله بعد با ترکیب مدل پیش بینی نقطه ای وعدم قطعیت های فرض شده، با شبیه سازی مونت ...

full text

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیجیدگی زیاد یا عدم   صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی از جمله سیستم می باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش های رایج، این است که این سیستم بر اساس قواعد اگر- آن گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

full text

پیش بینی خشکسالی جریان رودخانه با استفاده از شاخص spi و زنجیره مارکف در حوزه آبریز کرخه

سابقه و هدف: خشکسالی یکی از پیچیده ترین بلایای طبیعی در جهان است و زمانی رخ می دهد که آب قابل دسترس یک سامانه برای تامین نیازهای حداقل یکی از بخش های زیستی، اقتصادی و اجتماعی طی یک دوره زمانی قابل ملاحظه کافی نباشد. گرچه به طور کلی تعریفی جهانی از خشکسالی وجود ندارد، می توان خشکسالی را به انواع مختلفی تقسیم بندی نمود: خشکسالی هواشناسی، کشاورزی، هیدرولوژیکی و اقتصادی-اجتماعی. خشکسالی هیدرولوژیکی...

full text

پیش بینی جریان ماهیانه رودخانه با استفاده از مدلهای داده مبنا

در سال‌های اخیر، تکنیک‌های مدل‌سازی داده‌ مبنا کاربردهای فراوانی در مطالعات هیدرولوژی و مهندسی منابع آب یافته‌اند. توسعه مدل‌های برآورد یا پیش‌بینی رواناب رودخانه، یکی از زمینه‌های مطالعاتی است که این تکنیک‌ها در آن کاربرد زیادی دارند. در مطالعه حاضر، چهار تکنیک مدل‌سازی داده ‌مبنا، شامل رگرسیون خطی چندگانه، K نزدیک‌ترین همسایه، شبکه‌های عصبی مصنوعی و سیستم‌های استنتاج عصبی - فازی تطبیقی به‌منظ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 48  issue 2

pages  309- 321

publication date 2017-07-23

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