پیش بینی دبی جریان در مقاطع مرکب، مقایسه روش‌های داده محور و تجربی

Authors

  • غلامعباس بارانی استاد بخش مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان
Abstract:

پیش­بینی دبی رودخانه­ها در شرایط پدیدار شدن وضعیت کانال مرکب یکی از پارامترهای مهم در مهندسی سیلاب و رودخانه­ها می­باشد. در این تحقیق با استفاده از رویکردهای داده محور از جمله شبکه عصبی مصنوعی(ANN) و ماشین­های بردار پشتیبان(کلاس بندی(SVM) و رگرسیونی(SVR)) وهمچنین روش تجربی کانال تقسیم شده بروش تقسیم بندی عمودی(DCM) دبی کانال مرکب پیش­بینی شده است. برای این هدف تعداد 150 داده آزمایشگاهی از 6 منبع علمی گرد آوری شد. این داده­ها با استفاده از روش اعتبار سنجی متقابل k-تایی به چهار دسته بیست و پنج درصدی تقسیم بندی شدند. در هر مدل­سازی در رویکردهای داده محور، آزمون مدل توسط یک دسته از داده­ها صورت گرفت.پس از میانگین گرفتن از نتایج یکسان در هر رویکرد داده محور، نتایج برتری روش SVR را نشان داد. این روش با داشتن بیشترین مقدارضریب تعیین  وضریب کارائی مدل نش ساتکلیف (NS) (بترتیب برابر با 92875/0 و898075/0 )و داشتن کمترین مقدار ریشه میانگین مجذور خطا (RMSE )و میانگین درصد خطای مطلق(MAPE ) (بترتیب برابر با ( )08435/0 و %89/23 ) و همچنین با داشتن بیشترین درصد برتری نسبی RMSE نسبت به شبکه عصبی مصنوعی در پیش بینی دبی کانال مرکب موفق­تر از دیگر روش­ها عمل کرده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

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 text

بهبود پیش بینی دبی جریان با استفاده از داده گواری در مدل مفهومی Hymod

پیش بینی دبی جریان توسط مدل های هیدرولوژی، همواره با عدم قطعیت همراه است. به همین دلیل از روش های مختلف از جمله افزایش کیفیت اطلاعات ورودی به مدل، بهبود ساختار مدل، و داده گواری اطلاعات مشاهداتی در دسترس برای کاهش عدم قطعیت مدل ها استفاده شده است. در صورت بدون اشکال فرض کردن ساختار مدل هیدرولوژی،نمی توان از عدم قطعیت ورودی، پارامتر، و شرایط اولیه مدل چشم پوشی کرد. یکی از روش های کاهش عدم قطعیت،...

full text

برآورد دبی جریان در مقاطع مرکب با استفاده از خطوط تقسیم مورب

براساس تحقیقات پیشین، برآورد دبی در کانال‌های مرکب به روش خطوط تقسیم (DCM) کاربرد گسترده‌ای دارد و بسیاری از مدل‌های محاسباتی بر‌اساس این روش تهیه شده‌اند. بنابراین لزوم تجزیه مقطع مرکب به زیر مقاطع به دقیق‌ترین روش، نیازی است که همه محققین بر آن اتفاق نظر دارند. اما آن‌چه امروزه در مدل‌ها به‌کار می‌رود تجزیه مقطع مرکب با خطوط قایم است که برخی از محققین...

full text

تعیین منحنی دبی- اشل در مقاطع مرکب نامتقارن

اغلب مجاری طبیعی دارای مقاطعی هستند که با افزایش سطح آب در آنها مساحت مقاطع به مقدار قابل توجهی افزایش می یابد. این مقاطع دارای سیلاب دشتهای کم و بیش عریضی هستند. مقاطع مرکب دارای سیلابدشت بخصوص زمانیکه از هندسه نامتقارنی برخوردار هستند، پیچیدگیهای هیدرولیکی زیادی را به جریان تحمیل می کنند. تخمین منحنی دبی- اشل در این نوع از مجاری هیدرولیکی یکی از مسائل مهندسی رودخانه است. در این مقاله با استفا...

full text

مقایسه ی شبیه ها و روشهای مختلف پیش بینی ماهانه ی جریان مبتنی بر هوش مصنوعی

پیش بینی دقیق جریان در رود ها از اهمیت بسزایی در مدیریت منابع آبهای سطحی برخوردار می باشد؛ به همین دلیل، همواره تلاشهای زیادی برای طراحی و معرفی شبیه های دقیق پیش بینی صورت گرفته است. در تحقیق حاضر با استفاده از شبیه های خود همبسته ی میانگین متحرک با ورودیهای غیر تصادفی (ARMAX)، ANN و GP برای پیش بینی ماهانه ی جریان به دو روش پیش بینی زنجیره ی زمانی و پیش بینی ماهانه ی مجزای جریان رود سعید آباد...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 4

pages  24- 38

publication date 2019-06-22

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